본문 바로가기

분류 전체보기

(25)
none
[머신러닝/CNN]Backpropagation, Jacobians chapter_2 이번 글에서는 Jacobians에 대해 다뤄보도록 하겠습니다. Index 1. Jacobians란? 2. backpropagation에서의 활용
[머신러닝/CNN] 미분에 대하여 chapter_0 이번글에서는 backpropagation을 이해하기 위해 사용되는 미분의 개념에 대해 간단히 짚어 보도록 하겠습니다. Index 1. 미분이란? 2. 여러가지 미분법 3. Learnariy의 조건 4. 편미분과 Gradient 5. chain rule 1. 미분이란? 미분의 개념을 이해하기 위해 가장 먼저 변화율에 대한 이해가 필요합니다. a를 입력하면 b가 출력되는 함수 $f$ 가 있다고 가정해 봅시다. 이 함수의 입력값에 1을 더했을때 출력값 b가 4 증가했다고 가정했을 때 변화율은 입력값의 증가량(1)에 대한 출력값의 증가량(4)인 4로 이해할 수 있습니다. 이때 입력값의 변화를 아주 미세하게 만들어 주는것이 미분의 기본적인 개념입니다. 위 개념을 수식으로 $f'(x) = \lim_{\Delta x..
[머신러닝/CNN] Backpropagation , Chapter_1 이번 글부터는 Backpropagation에서 Gradient-based Learning을 하는 이유에 대해 알아보도록 하겠습니다. Index 1. CNN, Forward propagation review 2. Gradient-based Learning 1. CNN , FC(Dense) layer , Convolution layer Back propagation을 위해 간단히 Forward propagation을 Review하는 시간을 갖도록 하겠습니다. 1.1 Feature Extractor CNN(Convolution Neural Network)은 입력받은 데이터를 Feature Extractor에서 특징을 추출하는 과정을 갖습니다. 이 단계에서 Convolution layer는 불필요한 데이터를 f..
[머신러닝] Deep Learning (Basic Concept and Dense Layer) 이번 글에서는 딥러닝에 대한 기본적인 소개와 함께 Dense Layer에 대해 알아보도록 하겠습니다. Index 1. ANN(Artificial Neural Network) 1.1 Neuron and Artificial Neuron concept 2. Dense Layer 2.1 Data Input 2.2 Computation 2.3 Activation Function 2.4 Next layer 3. Make Class 3.1 Activation class 3.2 Dense class 3.3 Model class 1. ANN(Artificial Neural Network) 딥러닝에 있어 가장 핵심적인 기술인 ANN(인공 신경망)은 신경세포인 Neuron을 추상화 시킨 Artificial Neuron으로 ..
[Latex] 수식을 나타내 보자 이번 글에서는 기본적인 Latex 수식에 대해 정리해 보았습니다. 주피터 노트북 $ latex문법 $ superscript x^{} ex) x^{a+1} subscript a_{} ex)a_{2,3} 대문자 : \Alpha, \Beta , \Gamma , \Delta, \Eta, \Lambda, \Theta, \Sigma 소문자 : \alpha, \beta , \gamma , \delta, \eta, \lambda, \theta, \sigma square root \sqrt{} ex) c = \sqrt{a^{2}+b^{2}} fraction \frac{}{} ex) \frac{\Delta y}{\Delta x} partial differential ex) \frac{\partial f(x,y)}{\par..
[Numpy] Create Functions에 대해(np.arange, np.zeros, np.ones,np.empty,np.full ) 이번 글에서는 Create Functions에 대해서 알아보도록 하겠습니다. Index 1.arange 2.zeros 3.ones 4.empty 5.full 6.linspace numpy에서는 ndarray를 간편하게 만들기 위해 제공하는 다양한 create functions이 존재합니다. 1. arange 주어진 범위 내에서 균일한 간격의 값을 반환합니다. numpy.arange([start, ]stop, [step, ]dtype=None, *, like=None) 2. zeros 주어진 모양과 유형에 따라 0으로 채워진 새 배열을 반환합니다. numpy.zeros(shape, dtype=float, order='C', *, like=None) numpy.zeros_like(a, dtype=None, ..
[python] K means clustering을 구현해보자 [작성중] 이번 글에서는 K means clustering을 python을 이용하여 구현해 보도록 하겠습니다. index #K means clustering #1. K를 정한다 2. k개의 초기 중심을 임의로 정한다. #3. 각 데이터 포인트~ k개의 중심거리를 계산하여 가장 가까운 중심점이 속한 클러스터로 이동한다. #4. 2,3단계를 반복하고 더이상 클러스터에 변화가 없으면 종료한다. import numpy as np import matplotlib.pyplot as plt plt.style.use('seaborn') class DatasetGnerator: def __init__(self, n_cluster, n_cluster_data): self.n_cluster = n_cluster self.n_clust..