반응형 ML & DL/Deep Learning3 [DL] CNN 합성곱 신경망 왕초보 기초 개념 📌들어가며 이번 포스팅에서는 CNN 합성곱 신경망에 대해서 포스팅합니다. CNN 합성곱 신경망? Convolutional Neural Networks의 약자로 딥러닝에서 주로 영상 데이터 등을 처리할 때 쓰이는 신경망이다. CNN 합성곱 신경망 이름만 들어도 어려운 것 같은 CNN은 단언컨대 어렵지 않다. 사실 CNN이 어렵다고 느껴지는 이유는 CNN 개념이 어려운 것 보단 CNN을 왜 사용하는지를 자세히 모르기 때문이라고 생각한다. 때문에 CNN의 개념을 바로 설명하기 보다 CNN을 사용하는 이유에 대해 먼저 설명하고자 한다. CNN(합성곱 신경망) 왜 사용할까? 이미지등 영상 데이터들은 주로 2차원(GrayScale), 3차원(Color)의 형태를 이룬다. 기존의 일반 DNN(깊은 신경망)은 1차원 .. 2023. 10. 3. [DL] Chain Rule이란? 📌들어가며 이번 포스팅에서는 저번 포스팅 Backpropagation을 이해하기 위해 알아야 하는 Chain Rule에 대해 배워본다. Chain Rule Chain Rule 우리 말로 연쇄 법식인 체인룰은 합성 함수의 미분에 대한 성질이다. 합성 함수에 대해 간단하게 설명하면 f(t)함수의 매개변수가 g(x)라는 함수의 결과값인 함수를 말한다. 즉, t = g(x)라고 하면 f(g(x))와 같이 표현할 수 있고 (f∘g)(x)라고도 표현할 수 있다. 체인룰은 아래와 같다. 합성 함수의 미분은 합성 함수를 구성하는 각 함수의 미분의 곱으로 나타낼 수 있다. 우리가 배웠던 합성 함수의 도함수 공식은 다음과 같다. 위의 공식을 보면 f(g(x))'을 표현한 것인데 이때 합성 함수를 구성하는 각 함수는 f(g.. 2023. 9. 22. [DL] Backpropagation 역전파 이해하기 📌들어가며 본 포스팅에서는 Backpropagation 역전파에 대해서 알아봅니다. 혹여 잘못된 부분이 있거나 질문이 있으시면 댓글 남겨주세요. Back Propagation(역전파)이란? 역전파는 신경망의 각 노드가 가지고 있는 가중치(Weight)와 편향(Bias)을 학습시키기 위한 알고리즘으로 목표(Target)와 모델의 예측 결과(Output)가 얼마나 차이 나는지 확인하고 그 오차를 바탕으로 가중치(Weight)와 편향(Bias)를 뒤에서 부터 앞으로 갱신해가는 것을 의미한다. 역전파를 이해하기 위해서 순전파를 우선적으로 설명한다. Forward Propagation(순전파) 위 그림은 역전파의 이해를 위해서 3개의 층을 갖는 인공 신경망을 가져왔다. 해당 인공 신경망을 대략적으로 설명하면 두개.. 2023. 9. 21. 이전 1 다음 반응형
