Perceptron - Neural network의 블록을 구성하는 개념 - 데이터(예시에서는 파란, 빨간 점) 값과 경계선의 개념을 노드 안에 넣는다. - 하나의 노드안에 파란점, 빨간점으로 표시되었던 데이터들과 그 기준선에 대한 정보가 들어있고, - Input 데이터로 시험성적(test)과 학점(grades)을 넣어준다. 이 예시의 경우에는 시험성적 : 7, 학점 : 6 을 대입. - 그렇게되면 Perceptron이 하는 역할은 해당 데이터를 노드에 대입해 - 이것이 Positive area에 위치하면 yes를 , Negative area에 위치하면 no를 리턴한다. - 이전 예시를 다시 들어보면, Score를 결정하는 방정식은 2*Test + 1*Grades - 18 이고, - 여기서의 weight..
Higher Dimensions - 앞서 봤던 예제에 추가로, 만약 우리가 고려해야할 변수가 더 늘어난다면? - 예를들어 석차(class rank)라는 변수가 추가된다면 어떻게 우리는 3개의 데이터 열(column)을 어떻게 맞춰야할까? - 이렇게되면 우리는 x1(시험성적, test), x2(학점, grades), x3(석차, class rank)라는 3가지 축으로 3차원을 맞이한다. - 그럼 우리가 앞서 찍은 파랑, 빨강 점들은 공중에 떠있는 형태가 되고 - 기준선은 3차원 상의 면 즉, 기준 면(plane)이 되어 동일하게 방정식을 갖는다. - 평면의 방정식 w1x1 + w2x2 + w3x3 + b = 0 을 갖게되고, 이 면을 기준으로 두 영역(reigions)으로 나뉜다. - 이 방정식 역시 Wx..
Introduction - 스팸메일 분류, 주가 예측, 이미지나 사진인식, 질병 진단, 자율주행 등 딥러닝의 사용처는 무한함 - 딥러닝의 심장은 Neural Networks 이다. - Neural Network는 뇌의 작용원리를 흉내내는 프로세스이고 이를 알고리즘으로 구현해내야한다. Classification Problems - 대학교의 입학처 직원이라 가정하고, 대학에 지원한 학생의 입학을 허가할 것인지, 불허할것인지를 판단할 경우를 가정하자. - 학생들을 평가하기위한 지표로 시험성적과, 학점이 있다. - 시험성적 : 9/10, 학점 8/10인 학생은 우수하니 통과 - 시험성적 : 3/10, 학점 4/10인 학생은 탈락 - 그렇다면 시험성적 : 7/10, 학점 6/10인 학생은? - 이런것을 판단하기위..
Matrix Transposes - 대각원소를 기준으로 뒤집는것. - 그런데 이 transpose에서 중요하게 짚고 넘어가야할 부분이 있다. - transpose를 하려는 행렬 A가 정방행렬이 아닐 경우, transpose 이후 기존의 차원이 뒤집힌 채 shape이 바뀐다. - 또한 열은 행으로 행은 열로 데이터들이 바뀜 - transpose는 shape이 다른 두 행렬간의 연산을 필요로 할 때 유용하게 쓰일 수 있다. - 하지만 그 연산 결과가 내가 원하는(의도한)결과인지 고민하여 처리하여야 한다. - 행렬의 shape의 크기가 다른 두 행렬에 대해 product를 진행하려면 - transpose를 하거나, 행렬의 순서를 바꿔 계산하는 방법이 있다. - 그 각각의 연산 결과는 transpose 관계에 ..