반응형
Recent Posts
Recent Comments
Link
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 |
Tags
- cost function
- 선형 회귀
- csv
- CNN
- Q-Learning
- RL
- Neural network
- 딥 러닝
- 강화학습
- 합성곱 신경망
- convolutional neural network
- Deep learning
- 기울기 감소 알고리즘
- Gradient descent algorithm
- 비용 함수
- Sigmoid Function
- Kaggle
- regression
- Logistic regression
- data
- 회귀
- 시그모이드 함수
- 정리
- Logistic
- iris
- machine learning
- 요약
- sklearn
- 논리 회귀
- reinforcement learning
Archives
- Today
- Total
컴공돌이의 스터디 블로그
[시즌1].Lecture 10_4 - Neural Network 2: ReLU and 초기값 정하기_레고처럼 Network 모듈을 마음껏 쌓아 보자 본문
강의 Study/모두를 위한 머신러닝과 딥러닝 강의
[시즌1].Lecture 10_4 - Neural Network 2: ReLU and 초기값 정하기_레고처럼 Network 모듈을 마음껏 쌓아 보자
제갈초아 2018. 2. 26. 12:00* 이 글은 홍콩과기대 김성훈 교수님의 무료 동영상 강좌 "모두를 위한 머신러닝과 딥러닝 강의"를 보고 요점을 정리한 글 입니다.
다양한 형태의 Neural Network
위의 사진에서 볼 수 있듯이 Neural Network는 마치 레고처럼 생각한대로 만들 수가 있습니다. Neural Network 중간에 Layer를 나누는 것도 가능하고, 여러개의 Layer를 1개로 합치는 것도 가능합니다. 이런 다양한 모양의 Neural Network는 상상력에 의해서 얼마든지 새로운 모양이 나올 수 있습니다. 현재 상태를 분석하는데 이전 상태의 결과를 포함하는 모델인 Recurrent Neural Network 또한 이런 상상력에 의해서 발견되었다고 말할 수 있습니다.
* Summary *
1. Neural Network는 상상한대로 만들 수 있으므로 상상에 제한을 두지 말자!
반응형
'강의 Study > 모두를 위한 머신러닝과 딥러닝 강의' 카테고리의 다른 글
Comments