갱스터의 블로그

https://coding-saving-012.tistory.com/104 [ML/머신러닝] ReLU와 Weight 초기화 ReLU 딥러닝은 여러 개의 레이어를 통해 학습이 진행된다. 이때 입력을 받는 레이어는 input layer, 출력을 만들어내는 레이어는 output layer라고 한다. 그렇다면 레이어의 개수가 많을 때, input layer와 o coding-saving-012.tistory.com 느낀 점 지난번 학습했었던 시그모이드와의 차이점을 비교하며 ReLU가 훨씬 나은 방법이라는 사실을 알게 되었다. ReLU가 더 나은 이유에 대해 납득하였지만 아직 직접 학습시켜보지 않아 알쏭달쏭하다.

목표

https://coding-saving-012.tistory.com/101 [ML/머신러닝] XOR연산 딥러닝으로 풀기 앞서 XOR operation은 단일 레이어로 정답을 유추하기에 어려움이 있다고 언급하였다. 따라서 다중레이어 즉, multilayer를 사용해야 하는데 레이어가 증가할 수록 새롭게 정의해야 하는 weight값과 bias coding-saving-012.tistory.com - 느낀 점 이산수학 시간에 처음 학습하였던 논리식 중 하나인 XOR연산을 딥러닝을 통해 학습시키는 일이 어렵다는 사실을 처음 알게 되었다. 파라미터 값을 조정하는 방법을 학습하며 직접 파라미터 값을 구해보기도 하였다.

목표: ML 공부 및 블로그 정리

학습 결과 https://coding-saving-012.tistory.com/100 [ML/머신러닝] 딥러닝의 기본 개념 머신러닝에서 딥러닝으로 발전한 까닭이 존재한다. 머신러닝은 training set에 대해 사람이 feature를 추출하여 추출된 feature를 바탕으로 각 모델들이 학습하였다. 하지만, 데이터에는 사람이 발견할 coding-saving-012.tistory.com 느낀 점 머신러닝에서 딥러닝으로 발전한 과정과 딥러닝의 개념에 대해 학습하였다. 둘의 차이점을 확실히 알 수 있게 되었다.

목표 - 딥러닝 학습

1주차 - 딥러닝의 개념 공부 2주차 - 딥러닝으로 XOR연산 시 파라미터 값 구하기 3주차 - ReLU 학 4주차 - Dropout과 Ensemble 학습 5주차 - CNN 개념 학습 6주차 - CNN 구현하기