코딩공작소

보호되어 있는 글입니다.

보호되어 있는 글입니다.

보호되어 있는 글입니다.

보호되어 있는 글입니다.

보호되어 있는 글입니다.

보호되어 있는 글입니다.

보호되어 있는 글입니다.

RNN ( Recurrent Neural Network ) - Neural net중에 가장 활용도가 높다 Sequence data ? : 기존의 데이터를 알고 있어야 전체적인 정보를 알 수 있다. 기존의 NN/CNN은 입력 X가 있을때 출력 Y를 알아내는것. 이전의 결과가 현재의 결과에도 영향을 미쳐야 한다. hidden layer는 전 단계의 값들에 영향을 받는다.

CNN ( Convolutional Neural Networks ) Start with an image ( 넓이 x 높이 x 깊이 )1 ) 작은 이미지의 일부분에 집중한다. (filter) --> One number를 뽑아낸다.2 ) 같은 filter(w) 값을 가진 다른 부분지역들을 보면서 one number를 가져온다 --> How many numbers can we get ? 1. 그림이 급격하게 작아짐을 방지2. 모서리부분을 어떤 형태로는 네트워크에 알려주기 위함 padding 을 이용해서 입력과 같은 사이즈의 out이 나오게함. (7x7 --> 7x7) ** Max pooling and the others Pooling layer --> sampling ! 사이즈를 작게 만드는것

Fast forward하나의 네트워크를 뽑아서 2단 앞으로 연결해준다. Split & merge Recurrent network 네트워크들을 알아서 조합해서 좋은 모델을 만들어 내는것.네고처럼 넷트웍 모듈을 마음껏 사용하는것. 한단과 간단한 단으로 했을때.초기화를 해주었을 때깊어질수록 overfitting --> DropoutAdam 최적화 방법도 있음.Batch 초기화방법 Optimizers