코딩몬

MLP 이미지 분석 픽셀 값을 판단하여 학습을 하기 때문에 픽셀 값에 엄청 종속적임 그래서 같은 크기의 사진에 위치나, 크기가 다른 같은 그림이여도 같은 사진이라고 인식을 잘 못한다. 위와같이 한 픽셀씩만 왼쪽으로 이동해도 인식을 잘 못하는 경우 발생한다. 이와같은 문제를 해결하기 위해서 특징을 추출하여 학습을 시키는 방법이 나오게 되었다. CNN 이렇게 특징을 추출하면 사진을 회전을 시켜도 그 특징은 그대로 있다는 것을 알 수 있다. 합성곱 신경망(Convolutional neural network, CNN)은 시각적 영상을 분석하는 데 사용되는 다층의 피드-포워드적인 인공신경망의 한 종류이다. 딥러닝에서 심층 신경망으로 분류되며, 시각적 영상 분석에 주로 적용된다. 영상 및 동영상 인식, 추천 시스템..

순전파 입력 데이터를 입력층에서부터 출력층까지 정뱡향으로 이동시키며 출력 값을 추론해나가는 과정(예측, 추론) 순전파는 입력층에서 전달 되는 모든 값이 은닉층을 통해 출력층까지 전달되는 방식이다. 입력층 -> 은닉층 -> 출력층 순으로 순서대로 다음 층으로 이동. 순전파는 순서대로 진행되며 마지막에 결과 값이 나오기 때문에 결과를 이용해 가중치 조절을 할 수 없다. 역전파 출력층에서 발생한 에러(오차값)를 입력층 쪽으로 전파시키면서 최적의 결과를 학습해나가는 과정(학습) 역전파는 사슬 규칙을 이용하는 기울기 기반 최적화 알고리즘에 따라인공신경망을 효율적으로 훈련하는데 사용되는 방법이다. 이 역전파의 주요 특징은 학습 중인 작업을 수행할 수 있을 때까지 네트워크를 개선하기 위해 가중치 업데이트를 계산하는 ..

Keras 활용 Iris 분류모델 실습 입력 : 4개(꽃잎의 길이, 너비, 꽃받침의 길이, 너비) 출력 : 3개(품종) from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense, InputLayer from tensorflow.keras.optimizers import SGD - 딥러닝 모델의 기본 뼈대 (Sequential : 순차적인) 뉴런들을 순차적으로 붙임 - 뉴런의 모음(1개의 층을 의미) 많이 붙힐수록 뉴런들의 층이 깊어진다. - 최적화 도구(SGD : 경사하강법) model = Sequential() model.add(InputLayer(input_shape = 4)) # 입력층 model...

퍼셉트론의 한계 단층 퍼셉트론의 경우 직선으로 나뉘는 두 영역을 만들기 때문에 선형 분리만 가능하다는 단점이 있다. 그래서 아레 그림과 같이 선형분리로 AND, OR는 해결이 가능하지만, 간단한 XOR 문제를 해결할 수 없다. 위의 그림에서 보이는 바와 같이 퍼셉트론의 한계를 극복하기 위해서 하나의 직선이 아닌 여러 개의 직선을 그어보자, 즉 퍼셉트론을 여러 개 쌓아보자는 생각을 하게 되었고 이 것이 바로 다층 퍼셉트론의 등장이다. MLP(Multilayer Perceptron) 다층 퍼셉트론 - 퍼셉트론을 여러 개의 층으로 구성하여 만든 신경망 - 입력계층, 은닉 계층 및 출력 계층의 세 개 이상의 노드 계층으로 구성된다. - 중간층을 잘 설계를 하면 학습의 능력을 끌어올릴 수 있다. (중간층은 여러 ..

딥러닝 과정 1. 요구사항 분석 / 데이터 수집 / 전처리 - 학습이 가능한 데이터로 만들어주는 과정(결측치, 이상치 제거, 특성공학, 시각화 등) 2. 신경망 설계 - 신경망을 설계 및 컴파일 하는 과정 Sequential(), Dense(), Activation(), compile() Sequential() : 신경망을 한층 한층 쌓는 기능 add() : 신경망 층을 추가 Dense() : 실제 신경망 층을 설정하는 기능 Activation() : 활성화 함수를 설정하는 기능 * 활성화 함수 : 출력으로 나오게 하는 기준값(sigmoid, tanh, relu, softmax 등) 3. 딥러닝 학습 - 딥러닝으로 학습하는 과정 fit() 4. 예측 - 평가와 예측을 하는 과정 evaluate(), pr..