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
- NMT
- ReLU
- word embedding
- 판다스
- NLP
- 역행렬
- 신경망 학습
- 프로그래머를 위한 선형대수
- 밑바닥부터 시작하는 딥러닝
- one-hot vector
- 정칙행렬
- Transformer
- 동시발생 행렬
- RNN
- 데이터프레임
- PPMI
- sigmoid
- Python
- 선형대수학
- DataFrame
- 딥러닝
- pandas
- SVD
- 자연어처리
- 연립일차방정식
- machine translation
- word2vec
- Linear Algebra
- 밑바닥부터 시작하는 딥러닝2 2장
- 벡터간 유사도
Archives
- Today
- Total
목록Alexnet (1)
생각하는감자
7장-CNN(합성곱 신경망)
"합성곱"이라는 개념을 간단히 정의해 보면 "두 함수 중 하나를 반전(reverse), 이동(shift)시켜가며 나머지 함수와의 곱을 연이어 적분한다"이다. 구조 CNN은 특히 이미지 인식 분야에서 활용되는 딥러닝 기법들의 기초가 되는 신경망이다. 지금까지 봐온 신경망처럼 계층을 조합하여 만들 수 있지만, 합성곱계층(convolutional layer)과 풀링계층(pooling layer)이 등장한다. 지금까지의 신경망은 인접하는 계층의 모든 뉴런과 결합되어 있었는데 이러한 연결을 완전연결(Fully Connected)이라고 하며, Affine 계층이라고 부른다. 하나의 Affine 계층 뒤에 ReLU 혹은 Sigmoid계층이 붙어 Affine-ReLU 조합으로 층을 쌓아가고 마지막에는 Softmax 계..
딥러닝
2023. 4. 6. 14:36