텐서플로우로 딥러닝 부시기 - 1주차
ANN의 직관, ANN 구축 방법
인공신경망 구조
- 딥러닝의 목적이 인간 뇌의 작동 방식을 모방하는 것이기 때문에 뉴런을 기계로 재현해야 함
- 입력층에 있는 독립 변수들이 각각의 가중치와 함께 곱한 후 합을 계산하고 활성화 함수를 거쳐 출력 값을 내보내는 구조
활성화함수
1) Threshold Function
2) Sigmoid
- 출력층에 유용한 함수. 특히 확률을 예측할 때 유용함
3) Rectifier
- 인공신경망에서 가장 많이 사용되는 함수 중 하나
4) Hyperbolic Tangent (tanh)활성화함수
퍼셉트론 구조
신경망은 어떻게 학습하는가?
feedforward & backpropagation
- 목표: 비용 함수 최소화
Step1. 가중치들 무작위로 0과 비슷하지만 0은 아닌 작은 수로 설정
Step2. 첫번째 행에 대한 데이터 셋의 첫 관측치를 입력층에 입력
Step3. 왼쪽에서 오른쪽으로 feed forward 진행
Step4. 예상 결과와 실제 결과를 비교하여 생성된 오차를 측정
Step5. 역전파를 진행하여 가중치 값 업데이트
Step6. Step1~5 반복
Feature Scailing
- 서로 다른 변수의 값 범위를 일정한 수준으로 맞추는 작업
- 변수 값의 범위 또는 단위가 달라서 발생 가능한 문제 예방
- 특정 데이터의 편향성을 갖는 것을 방지
본 스터디는 Udemy의 <【한글자막】 딥러닝의 모든 것 with Python, Tensorflow, Pytorch> 강의를 활용해 진행됐습니다. 강의에 대한 자세한 정보는 아래에서 확인하실 수 있습니다.
프밍 스터디는 Udemy Korea와 함께 합니다.
