본문 바로가기

Coding210

순환 신경망 (RNN) 순환 신경망이란?시계열 데이터나 순차적인 데이터를 처리하기 위해 설계된 신경망이다. sequence 데이터를 다루는데 최적화 되어있다.(데이터가 순서를 이루고 있는 경우 작동이 잘됨) RNN은 이전 시간 단계의 정보를 현재 시간 단계로 전달해, 시퀀스 데이터의 패턴을 학습할 수 있다.  동작 원리 순환 구조 : RNN은 반복적인 구조로 구성되어, 현재 입력과 이전 단계의 은닉 상태(Hidden State)를 함께 고려해 출력을 생성한다. 이 은닉 상태는 다음 단계로 전달되어 이전 입력에 대한 정보를 유지하게 된다.동작 원리 : 네트워크 내에서 모든 단계가 동일한 가중치 행렬을 사용하여 계산을 수행하여 시퀀스의 패턴을 학습한다. 순전파(Forward Propagation)와 역전파(Backpropagati.. 2024. 11. 1.
합성곱 신경망(CNN) 합성곱 신경망이란?사람의 시각 정보를 모델링한 것이다. 이미지 처리에 성능이 좋으며 주로 이미지 분석, 음성인식, 텍스트 분석에 사용된다.합성곱 층(Convolutional Layer), 풀링 층(Pooling Layer), 완전 연결 층(Fully Connected Layer)으로 구성된다. 합성곱 층 : 필터(이미지에서 특정 패턴을 추출하는 작은 크기의 행렬)와 입력 이미지를 곱한 후 결과를 합산하여 특징맵(Featuer Map)을 생성한다. 특징맵의 크기는 필터의 크기와 이동 폭(stride), 패딩(padding) 설정에 따라 달라진다. 여러 층을 거치며 다양한 특징들을 추출하게 된다.풀링 층 : 이미지 공간 크기를 줄여 계산량을 줄이고, 특징을 압축하는 역할을 한다. 보통 Max Pooling과.. 2024. 11. 1.
인공신경망(ANN) 인공신경망이란?사람의 실제 신경망을 모델링해서 만든것이 인공신경망이다. 입력층(Input Layer), 은닉층(Hidden Layer) , 출력층(Output Layer)으로 구성되어 있으며, 각 층은 뉴런으로 이루어져있다. 입력층 : 입력데이터를 받아들이는 층, 입력층의 뉴런수는 입력데이터 피쳐수와 동일하다.은닉층 : 입력데이터를 처리하고 특징을 추출하는 층, 은닉층의 뉴런수와 층수는 모델의 복잡성과 성능에 영향을 미친다. 출력층 : 최종 예측값을 출력하는 층, 출력층의 뉴런 수는 예측하려는 클래스 수 또는 회귀문제 출력차원과 동일하다.  동작 방식 순전파(Forward Propagation)입력 데이터를 통해 각 층의 뉴런이 활성화되고, 최종 출력 값을 계산한다. 각 뉴런은 입력 값에 가중치(weig.. 2024. 11. 1.
24-10-31 TIL 오늘은 새로추가된 강의를 앞부분만 조금 들었다. AI활용에 대한 주제였는데, 1주차를 조금 들었을 뿐인데 머리가 벌써 조금 아파졌다.  딥러닝은 아직도 공부중이다. 팀과제의 코드를 다시 한번 쭉 보았는데, 너무 어려웠다. 그래도 희망적인 부분은 어느정도 코드가 이해가 된다는 것이었다. 내가 활용할 수 있을지에 대해선 미지수이지만. 다양한 코드들을 접해보며 익숙해지는 것이 일단 목표다. 직접코드를 짜보는것은 조금 뒤로 미루기로 했다. 어제 있었던 팀과제 발표회 영상을 다른 조들과 우리조의 코드를 비교해 보며 다시 보아야 할 것 같다. 발표회 당일때는 막상 발표자도 아니었지만 좀 떨리기도 하고 다른사람들의 발표가 잘 귀에 들어오지 않았으므로, (물론 코드를 일일이 확인하기 어려운 것도 있었다.) 발표회 영상.. 2024. 10. 31.
딥러닝(Deep Learning) 딥러닝이란?인공신경망을 기반으로 한 기계학습의 한 분야. 입력 데이터에서 중요한 패턴(기계에 있어 중요한 패턴이라는 것은 작업을 수행하는데 큰 영향을 미치는 부분)을 추출하고, 이를 바탕으로 예측, 분류, 생성 등의 다양한 작업을 수행할 수 있다.  비선형 추론과 여러층의 신경망을 사용하여 고차원 패턴과 특징을 학습한다. 데이터로부터 중요한 특징을 자동으로 추출하여 별도의 특징 공학(feature engineering) 과정이 필요 없다. 인공지능, 머신러닝, 딥러닝의 다른점은 인공지능은 인간의 지능을 모방한 기계를 뜻하고, 머신러닝은 기계가 스스로 특징과 규칙을 만드는 것을 뜻하고, 딥러닝은 여러개의 층을 깊게 쌓아서 만드는 것을 총칭한다.  신경망의 기본 원리 가장 기본 단위는 퍼셉트론(percept.. 2024. 10. 31.
앙상블 학습 (Ensemble Learning) 앙상블 학습이란?기존에 있던 모델에 다양한 기법을 적용하여 좀 더 나은 모델을 만드는 방법. 주요 학습법에는 배깅(Bagging)과 부스팅(Boosting)이 있다. 배깅(Bagging) : 여러개의 모델을 병렬로 학습. 예측결과를 평균 또는 다수결로 결합한다. 부트스트래핑 기법을 사용해 원본 데이터셋에서 중복을 허용한 무작위 샘플을 생성함. 각 모델은 서로 다른 데이터 샘플을 학습하게 되어, 모델 간의 상관성을 줄이고 예측 성능을 향상시킨다. 부스팅(Boosting) : 약한 학습기부터 순차적으로 학습한뒤 예측 결과를 결합하여 강한 학습기를 만드는 방법이다. 이전 모델이 잘못 예측한 데이터 포인트에 가중치를 부여하여, 다음 모델이 더 잘 학습하도록 한다.   랜덤 포레스트(Random Forest) 배.. 2024. 10. 31.

티스토리툴바