Notice
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
- 판다스
- 선형대수학
- RNN
- pandas
- one-hot vector
- ReLU
- 데이터프레임
- 밑바닥부터 시작하는 딥러닝2 2장
- NMT
- 연립일차방정식
- DataFrame
- 역행렬
- PPMI
- 밑바닥부터 시작하는 딥러닝
- 자연어처리
- 딥러닝
- 벡터간 유사도
- word embedding
- word2vec
- Python
- Linear Algebra
- 정칙행렬
- machine translation
- NLP
- sigmoid
- 동시발생 행렬
- 프로그래머를 위한 선형대수
- 신경망 학습
- Transformer
- SVD
Archives
- Today
- Total
목록입력층 은닉층 출력층 (1)
생각하는감자

신경망 퍼셉트론을 사용할 때의 단점은 여전히 원하는 결과를 출력하기 위해서는 사람이 수동적으로 가중치 값을 적절히 정해야 한다는 것이다. 신경망이 이 점을 해결해 주는데, 신경망은 가중치 매개변수의 적절한 값을 데이터로부터 자동으로 학습하는 능력을 가지고 있다. 예를 들어 간단한 신경망을 그림으로 나타내면 아래와 같다. 가장 왼쪽 줄을 입력층이라 하고, 가장 오른쪽 줄을 출력층이라고 하며, 그 사이에 있는 줄들은 은닉층이라고 한다. 2장에서 언급한 퍼셉트론을 활용하여 신경망의 신호전달방법을 살펴보자면, 퍼셉트론을 수식으로 나타내면 아래와 같았다. b는 편향(bias)을 나타내는 매개변수인데, 뉴런이 얼마나 쉽게 활성화되는지를 제어하는 역할을 한다. w는 각 신호의 가중치(weight)를 나타내는 매개변수..
딥러닝
2023. 3. 28. 19:39