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 |
- iris
- RL
- 논리 회귀
- Logistic
- 비용 함수
- Neural network
- convolutional neural network
- 딥 러닝
- regression
- 시그모이드 함수
- 합성곱 신경망
- cost function
- machine learning
- 정리
- 회귀
- data
- 강화학습
- csv
- CNN
- reinforcement learning
- 기울기 감소 알고리즘
- Deep learning
- 선형 회귀
- Logistic regression
- Gradient descent algorithm
- Q-Learning
- Kaggle
- sklearn
- Sigmoid Function
- 요약
- Today
- Total
컴공돌이의 스터디 블로그
[시즌1].Lecture 09_1 - Neural Network 1: XOR 문제와 학습방법, Backpropagation_XOR 문제 딥러닝으로 풀기 본문
[시즌1].Lecture 09_1 - Neural Network 1: XOR 문제와 학습방법, Backpropagation_XOR 문제 딥러닝으로 풀기
제갈초아 2018. 2. 19. 12:00* 이 글은 홍콩과기대 김성훈 교수님의 무료 동영상 강좌 "모두를 위한 머신러닝과 딥러닝 강의"를 보고 요점을 정리한 글 입니다.
XOR 문제 해결방법
과거 사람들이 해결하려고 했던 XOR 문제는 , 가 (0,0)이면 0을, (0,1)이면 1을, (1,0)이면 1을, (1,1)이면 0을 반환하는 문제입니다. 하지만 결국 이런 문제는 1개의 Logistic Regression(논리 회귀) 으로는 해결할 수 없다는 사실이 밝혀지게 되었고 여러개 즉 Multiple Logistic Regression(다중 논리 회귀) 으로는 해결할 수 있다는 것이 밝혀졌습니다.
왼쪽의 그림과 같이 입력값 , 를 2개의 다른 Logistic Regression에 넣어서 얻어낸 결과값 , 를 다시 새로운 Logistic Regression에 집어 넣으면 XOR의 결과를 얻어낼 수 있습니다.
실제로 , , , , , (1,2는 입력값과 직접 연결된 것이고 3은 중간 결과값과 연결된 것)으로 놓은뒤 계산을 해보면 XOR의 결과와 같게 나오게 됩니다.
앞의 강의에서 배웠듯이 Logistic Regression 여러개를 합치면 Multinomial Classification(다범주 분류)으로 만들 수 있습니다. 이 Multinomial Classification의 식은 계산의 편리성을 위해 행렬식으로 이루어져 있고 옆의 XOR 모델 또한 이 같은 행렬식으로 표현할 수 있습니다.
최종적으로 왼쪽 그림에서 가장 아래에 있는 형태의 모델이 완성되게되는데 이 모델을 수식으로 표현하면 아래와 같습니다.
, , , ,
,
* Summary *
1. XOR문제는 1개의 Logistic Regression(논리 회귀)으로는 해결이 불가능 하고 여러개를 합쳐서 만든 Multinomial Logistic Regression(다중 논리 회귀)으로 해결 가능하다.
2. XOR문제를 해결하는 모델을 수식으로 표현하면 , 이다.