반응형 -293 [밑시딥 1] CHAPTER 2 퍼셉트론 퍼셉트론은 1957년에 고안된 알고리즘이다. 이런 화석 같은 알고리즘을 왜 배우는가? 퍼셉트론이 딥러닝의 기원이 되는 알고리즘이기 때문이다. 2.1 퍼셉트론이란? 퍼셉트론은 다수의 신호를 입력으로 받아 하나의 신호를 출력한다. 그림의 원을 뉴런 혹은 노드라고 부른다. 입력 신호가 뉴런에 보내질 때는 각각 고유한 가중치가 곱해진다(w1, w2) 뉴런에서 보내온 신호의 총합이 임계값을 넘으면 1을 출력. 그 임계값은 세타로 나타낸다. 2.2 단순한 논리 회로 2.2.1 AND 게이트 AND 게이트 진리표 2.2.2 NAND 게이트와 OR 게이트 NAND 게이트 진리표 OR 게이트 진리표 2.3 퍼셉트론 구현하기 2.3.1 간단한 구현부터 AND 함수 구현 import numpy as np def AND(x1.. 2023. 6. 7. [밑시딥 1] CHAPTER 1 헬로 파이썬 앞으로 파이썬을 사용하여 딥러닝 시스템을 구현할 것이기 때문에 파이썬에 대해 간략히 알아보자. 1.1 파이썬이란? 프로그래밍 입문자에게 최적의 언어 간단하고 배우기 쉬운 프로그래밍 언어 오픈 소스라 무료로 자유롭게 이용 가능 읽기 쉽고 성능도 뛰어남 과학 분야, 특히 기계학습과 데이터 과학 분야, 딥러닝 프레임워크 에서 널리 쓰임 Scipy, Caffe, TensorFlow, Chaner, Theano 딥러닝 프레임워크들이 파이썬용 API를 제공 -> 따라서 ‘딥러닝을 밑바닥부터 만들기’를 달성하기 위한 언어로 선택 1.2 파이썬 설치하기 1.2.1 파이썬 버전 파이썬 3을 설치하자 1.2.2 사용하는 외부 라이브러리 외부 라이브러리는 최소한만 사용해서 밑바닥부터 구현하는 것이 목표이지만, 두 라이브러리.. 2023. 6. 5. [Introduction To Probability, Statistics, and Random Processes] 1.2 Review of Set Theory Introduction To Probability, Statistics, and Random Processes 교재를 공부하며 번역한 글입니다. 인프런 확률과 통계 기초강의를 수강하면서 참고했습니다. 1.2 Review of Set Theory 1.2.0 Review 확률 이론은 집합의 언어를 사용합니다. 나중에 살펴보겠지만 확률은 집합에 대해 정의되고 계산됩니다. 따라서 여기서는 이 책에서 사용되는 집합 이론의 몇 가지 기본 개념을 간략하게 검토하겠습니다. 집합 표기법, 정의, 연산(교집합과 합집합 등)에 대해 설명합니다. 그런 다음 셀 수 있는 집합과 셀 수 없는 집합을 소개합니다. 마지막으로 함수에 대해 간략하게 설명합니다. 이 섹션은 다소 이론적이어서 책의 나머지 부분보다 덜 흥미로워 보일 수 있.. 2023. 5. 5. [Introduction To Probability, Statistics, and Random Processes] 1.1 Introduction Introduction To Probability, Statistics, and Random Processes 교재를 공부하며 번역한 글입니다. 인프런 확률과 통계 기초강의를 수강하면서 참고했습니다. 1.0 Introduction 이 장에서는 몇 가지 기본 개념과 정의를 제공합니다. 먼저 확률이 무엇인지에 대해 간략하게 설명합니다. 그런 다음 확률 이론을 발전시키는 데 필요한 몇 가지 수학적 기초를 검토합니다. 다음으로 무작위 실험의 개념과 확률의 공리에 대해 논의합니다. 그런 다음 이산 및 연속 확률 모델을 소개합니다. 마지막으로 조건부 확률에 대해 논의합니다. 1.1 Introduction 1.1.0 What Is Probability? 무작위성과 불확실성은 일상 생활은 물론 과학, 공학, 기술의 모.. 2023. 5. 3. 이전 1 ··· 12 13 14 15 16 17 18 ··· 74 다음 반응형
