일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- ORACLE 상위 행 추출
- 딥러닝 제대로 시작하기
- jupyter notebook PDF
- ORACLE 상위 N개 추출
- 주피터노트북 테마 변경
- CSS Fraud Score
- 파이썬 테마
- SQL NVL
- 신청평점
- 리눅스 저장 용량 확인
- 신용평가 Fraud
- Cudnn 버전 확인
- Python Numpy
- 신용평가 부정사용 평점
- python image list
- linux 폴더 크기 확인
- 딥러닝
- python image load
- python pandas
- SQL NULL값 처리
- jupyter notebook 테마 변경
- 파이썬 이미지 리스트 변환
- 파이썬 이미지 라벨 저장
- 파이썬 이미지 불러오기
- ORACLE SQL NVL
- 주식 데이터 수집
- ORACLE NULL값 처리
- 행동평점
- 회수모형
- linux 폴더 용량 확인
- Today
- Total
목록딥러닝 (2)
koos808
내 맘대로 퀴즈 1. 그걸 왜 하죠? DNN에서 Pre-training을 왜 하죠? 다층 feed-forward 신경망은 gradient vanishing 문제로 인해 일반적으로는 학습이 잘 되지 않기 때문에 여러 방법 중 하나로 pre-training을 합니다. 오토인코더는 왜 하죠? 오토인코더는 다양한 pre-training 중에 기본적인 방법 중 하나인데요. 가중치의 좋은 초기값을 얻는 목적으로 이용하고 목표 출력없이 입력만으로 구성된 트레이닝 데이터로 비지도 학습을 수행해 데이터의 특징을 나타내기 위해 오토인코더를 합니다. 오토인코더는 머신러닝에서 PCA와 비슷한 역할을 한다고 생각하시면 이해하기 쉬울 것입니다. 이제 오토인코더가 자주 쓰이는 이유에 대해 알려드리도록 하겠습니다. 데이터 압축 : ..
BOOK : 딥러닝 제대로 시작하기 ※ STEP 0 : 인공 신경망 간단 요약 인공신경망의 구성요소 노드/유닛(Node/Unit) : 각 층(Layer)를 구성하는 요소 층(Layer) 입력층(Input Layer) : 데이터를 받아들이는 층 은닉층(Hidden Layer) : 데이터를 한 번 이상 처리한 (가중치를 곱하고, 활성함수를 얻은) 노드로 구성된 층 출력층(Output Layer) : 최종 은닉층 또는 입력층에 가중치를 곱하고, 출력함수의 결과를 얻은 노드로 구성된 층 가중치(Weight) : 노드와 노드간의 연결강도를 나타냄 합(Summation) : 가중치와 노드의 곱을 합하는 것 활성함수(Activation Function) : 합을 처리해 주는 함수로 은닉층 노드의 결과를 얻을 경우 활..