코딩몬

String Class String Class는 Java에서 가장 많이 사용하는 Class이다. String Class에서 인스턴스를 생성하는 방법 모든 Class는 new연산자를 이용해야만 인스턴스를 만들어낼 수 있다. 하지만, String Class는 특이하게 new 연산자를 이용해서 / 하지 않고 즉, 두 가지 방식 모두 인스턴스 생성이 가능하다. 방법1. new 연산자를 이용하지 않고 인스턴스 생성(리터럴 방식) String str1 = "hello"; String str2 = "hello"; - "hello"라는 문자열이 메모리 중에서 상수가 저장되는 영역 즉, constant pool에 저장된다. - 두 번째 줄이 실행될 때, str2는 constant pool에 자신에게 할당된 값과 같은 값..

Java는 객체지향 언어다. 여기서 객체지향 프로그래밍이란, : 프로그램을 구성하는 요소들 즉, 객체들이 상호작용하도록 프로그래밍 하는것을 뜻한다. Java는 객체를 생성하기 위해 반드시 Class를 먼저 만들어야 한다. 여기서 Class란, : 객체를 생성하기 위한 설계도, 틀 을 의미한다. ex> 클래스(Class) 객체(Object) 붕어빵 틀 붕어빵 자동차 설계도 자동차 * 클래스 선언 붕어빵 이라는 객체를 생성하기 위한 붕어빵 틀인 BoongBBang클래스 생성 BoongBBang.java 파일을 생성한다. 저장을 하면 eclipse는 컴파일을 진행하여 디스크에 BoongBBang이라는 클래스를 생성한다. 붕빵 클래스가 생성되었다고 해서 붕어빵 객체가 만들어진 것은 아니다.(붕어빵 틀만 만들었다..

자바의 변수 타입 기본형 -> Class가 아니다! 1 2 4 8 논리형 boolean 문자형 char 정수형 byte short int long 실수형 float double 참조형 기본형 이외의 모든 xkdlq ex> 배열, class 등... * 참조(Reference) str 변수 앞에 기본형 타입이 아닌 String클래스가 적혀있다. 여기서 str을 Reference변수 / 인스턴스를 가리키는 변수 / 참조하는 변수라고 부른다. 이퀄(=)뒤에는 new 다음에 생성자라는 것이 있다. 여기서 new 라는 키워드는 객체를 메모리에 올려준다. 이렇게 메모리에 올라간 객체를 인스턴스라고 말한다. * 클래스(Class) / 객체(Object) / 인스턴스 (Instance) Class : 설계도 publi..

기본 연산자 더하기 빼기 곱하기 나누기 나머지 거듭제곱 + - * / % ** 연산자 우선순위 곱셈, 나눗셈의 우선순위가 덧셈, 뺄셈의 우선순위보다 먼저이다. (수학과 같음) 연산자 줄여쓰기 let num = 10; //num = num+5; num += 5; console.log(num); num = num + 5 와 num += 5는 완전히 같은 코드 이다. 곱셈, 뺄셈, 나눗셈, 나머지에도 동일하게 적용된다. 증가연산자, 감소연산자 let num = 10; let result = num++; console.log(result); let num = 10; let result = ++num; console.log(result); 증가 연산자는 증가시키고자 하는 값 앞이나 뒤에 ++를 붙혀 1을 증가시킨..

형변환 자동 형변환(Promotion) 자동 형변환(Promotion)은 프로그램 실행 도중에 자동적으로 형변환(타입변환)이 일어나는 것을 말합니다. 작은 메모리 크기의 데이터 타입을 큰 메모리 크기의 데이터 타입으로 변환하는 행위를 말합니다. 단, 메모리 크기가 큰 데이터 타입이라도, 타입 범위를 포함하지 못한다면 자동 형변환(Promotion) 이 불가능하다. (byte 데이터 타입 -> char 데이터 타입 자동 형변환 불가 // float 데이터 타입 -> long 데이터 타입 자동 형변환 불가) 자동 형변환은 원인을 알 수 없는 Error를 발생시킬 수 있기 때문에 가급적 발생하지 않도록 하고, 형변환을 원할 시에는 Casting을 이용하도록 하자. JAVA의 데이터 타입 정수형 실수형 논리형 ..

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..