Lucky Charms Rainbow > '앤드류응 딥러닝' 태그의 글 목록 — Hoon's Blog

앤드류응 딥러닝

    Neural Networks and Deep Learning [4주차]
    Coursera/Neural Networks & Deep Learning

    Neural Networks and Deep Learning [4주차]

    강의 목차 심층신경망 심층 L 레이어 신경망 심층 네트우크에서의 순방향 전파 행렬 차원 계산 방법 왜 심층 표현인가? 심층 신경망의 빌딩 블록 순방향 및 역방향 전파 파라미터 vs 하이퍼파라미터 뇌와 어떤 관련이 있을까? 심층 L 레이어 신경망 로지스틱 회귀는 얕은 모델 뒤로 갈수록 5 hidden layers는 깊은 모델이라고 할 수 있습니다. L = 4 (L: 레이어 수, 레이어 수는 입력층을 제외한 나머지 은닉층 + 출력층) n[l]은 layer l 유닛 ex) n[1] = 5 a[l]=g[l](z[l]) w[l]=z[l]을 계산하기 위한 가중치 심층 네트워크에서의 순방향 전파 행렬 차원 계산 방법 $z^{[1]} = w^{[1]}*x ..

    Neural Networks and Deep Learning [3주차]
    Coursera/Neural Networks & Deep Learning

    Neural Networks and Deep Learning [3주차]

    강의 목차 얕은 신경망 신경망 개요 앞서 우리는 로지스틱 회귀에서 w, b값을 안다면 z값을 구할 수 있었고 z값을 sigmoid 함수에 넣으면 a값을 구할 수 있었습니다. 이 a는 ŷ이라고도 볼 수 있습니다. 따라서 최종 loss값도 구할 수 있습니다. 신경망에서는 레이어층이 여러개이므로 레이어 순서대로 a값을 구합니다. 단일 신경망 표현 신경망의 레이어는 입력층, 은닉층, 출력층으로 나뉩니다. a2[1]에서 [1]은 두번째 레이어를 칭하고, 2값은 해당 레이어의 노드를 나타냅니다. 레이어의 순서는 index와 같이 0부터 시작합니다. 여러 예제에서 백터화하기 X에 대한 최종 ŷ값을 구하려면 순차적으로 구해나가야 합니다. 위 그림에서는 a[2]값이 최종 ŷ값이 됩니다. 따..

    Neural Networks and Deep Learning [1주차]
    Coursera/Neural Networks & Deep Learning

    Neural Networks and Deep Learning [1주차]

    강의 소개 이 강의는 심화과정 5개 강의 중 첫 번째 강의 첫 번째 강의에서는 신경망과 딥러닝의 기본 개념을 학습합니다. 강의 목차 딥러닝 소개 1. 딥러닝 소개 신경망이란? - 집값 예측 예시 집 크기에 따라 가격이 오르는 모습 모양이 ReLU모양 몇 개의 뉴런을 거쳐 가격을 예측할 수 있다. -> 이게 실제 신경망 신경망을 사용한 지도학습 지금까지 신경망에 의해 창출된 거의 모든 경제적 가치는 지도 학습이라는 한가지 유형의 머신 러닝을 통해 만들어진 것 CNN : 이미지 애플리케이션의 경우 CNN으로 약칭되는 컨볼루션 신경망을 사용하는 경우가 많습니다. RNN : 오디오는 시간에 따라 재생되기 때문에 가장 자연스럽게 1차원 시계열 또는 1차원 시간 시퀀스로 표현 그러므로 시퀀스 데이터의 경우 RNN,..

티스토리툴바