일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
- rust
- brew 권한
- 프라미스
- 인공지능
- recommender
- 파인만의 식당문제
- 머신러닝
- 키분배 알고리즘
- Git
- image restoration
- 인페인팅
- 커널생성
- 커널제거
- 자바스크립트 비동기
- feynman's restaurant
- Hits
- 협업필터링
- 파이썬
- cs231n
- react-cookie
- 비동기 프로그래밍
- 러스트
- 페이지랭크
- computer vision
- tcp
- pagerank
- 메세지인증코드
- 딥러닝
- 컴퓨터 보안 키분배
- Readme image
- Today
- Total
목록머신러닝 (3)
Worth spreading
안녕하세요! 지난 시간에 뉴럴넷을 만들기 위한 첫번째 레고블럭인 선형분류기(linear classifier)를 배웠습니다. 선형분류기는 '파라미터적 접근법(parametric approach)'을 이용한다고 했습니다. 학습데이터를 summarize한 값을 파라미터(W) 값에 반영시킨다고 했죠. 우리의 선형분류기는 매우 심플했습니다. [32x32x3] 크기의 이미지를 입력받아서 한줄로 된 행렬(혹은 벡터)로 쭈욱 펴줬습니다( [32x32x3] -> [3072 x 1] )그리고 W([10 x 3072])를 기다란 벡터([3072x1]) dot product해서 각 클래스의 점수에 해당하는 10개의 숫자(score)가 나오도록 만들었습니다.그리고 여기서 나온 숫자들은 각 카테고리가 정답이 될 확률을 나타낸다고..
지난 시간에 이어 이번 시간에는 선형분류기(linear classifier)에 대해서 배워보겠습니다.선형분류기는 이미지 분류문제에 있어 KNN보다 좀 더 강력한 접근법입니다.또한 이 선형분류기를 이용해 더 복잡한 딥러닝 알고리즘(CNN,RNN)등으로 확장해 나갈 것입니다. 선형분류기는 딥러닝에서 가장 기본적인 applicaition 중 하나입니다.우리가 앞으로 구성할 딥러닝 구조를 체내의 신경망구조와 비슷하다고 해서 신경망(Neural net)이라 부르기도 하는데요, 이 뉴럴넷의 재료가 될 수 있는 것들 중 하나가 바로 선형분류기입니다. 신경망을 구성한다는 것은 레고를 조립하는 것에 비유할 수 있습니다. 즉, 우리가 배울 CNN, RNN등 각각의 독립적인 딥러닝 구조들을 우리가 원하는대로 레고처럼 이어 ..