[AI/Hands-on ML] - [핸즈온 머신러닝] 15장(1) - RNN과 CNN을 사용해 시퀀스 처리하기 [핸즈온 머신러닝] 15장(1) - RNN과 CNN을 사용해 시퀀스 처리하기 15. 순환 신경망 RNN - 시계열 데이터를 분석해서 주식 가격 등을 예측하고, 자율 주행 시스템에서는 차의 이동 경로를 예측하여 사고를 피하도록 도움 - 일반적으로 이 신경망은 고정 길이 입력이 kdeon.tistory.com 15. 4 긴 시퀀스 다루기 긴 시퀀스로 RNN을 훈련하려면, 많은 타임 스텝에 걸쳐 실행해야 하므로 펼친 RNN이 매우 깊은 네트워크가 됨 1. 그래디언트 소실/폭주 문제가 있을 수 있음 2. 또한 RNN이 긴 시퀀스를 처리할 때 입력의 첫 부분을 조금씩 잊어버리게됨 15. 4. 1 불안정한..
15. 순환 신경망 RNN - 시계열 데이터를 분석해서 주식 가격 등을 예측하고, 자율 주행 시스템에서는 차의 이동 경로를 예측하여 사고를 피하도록 도움 - 일반적으로 이 신경망은 고정 길이 입력이 아닌 임의 길이를 가진 시퀀스를 다룰 수 있다. 문장, 문서, 오디오 샘플을 입력으로 받을 수 있고, 자연어 처리(NLP)에 매우 유용 15. 1 순환 뉴런과 순환 층 지금까지는 활성화 신호가 입력층에서 출력층 한 방향으로 흐르는 피드포워드 신경망 위주였지만, 순환 신경망은 뒤쪽으로 순환하는 연결도 있다는 차이점이 있음 - 입력을 받아 출력을 만들고, 자신에게도 출력을 보내는 뉴런 하나로 구성된 가장 간단한 RNN 구조 - 각 타임스텝 t(또는 프레임) 마다 이 순환 뉴런은 물론 x(t)와 이전 타임 스텝의 ..
[AI/Hands-on ML] - [핸즈온 머신러닝] 14장(3) -케라스를 통한 CNN 구현 및 모델 사용 14. 8 분류와 위치 추정 사진에서 물체의 위치를 추정하는 것은 회귀 작업으로 가능 - 물체를 둘러싸는 바운딩 박스를 추정하는 방법 - 바운딩 박스를 예측하는 일반적인 방법은 물체 중심의 수평, 수직 좌표와 높이, 너비를 예측하는 것 (= 네 개의 숫자 예측) 일반적으로 전역 평균 풀링 층 위에 네 개의 유닛을 가진 두 번째 밀집 출력층을 추가하고 MSE 손실을 사용해 훈련 base_model = keras.applications.xception.Xception(weights="imagenet", include_top=False) avg = keras.layers.GlobalAveragePool..
14. 합성곱 신경망 합성곱 신경망 (CNN) - 이미지 인식 분야에 사용되는 딥러닝 알고리즘 - 이미지 검색 서비스, 자율주행 자동차, 영상 자동 분류 시스템 등에 큰 기여 - 시각 분야 외에도 음성 인식, 자연어 처리(NLP) 같은 작업에도 사용 14. 1 시각 피질 구조 - 시각 피질 구조에 대한 연구 끝에, 시각 피질 안의 많은 뉴런이 작은 국부 수용장을 가진다는 것을 발견 - 뉴런들이 시야의 일부 범위 안에 있는 시각 자극에만 반응한다는 뜻 - 뉴런 수용장들은 서로 겹칠 수 있으며, 합치며 전체 시야를 감싸게 됨 - 어떤 뉴런은 수평선의 이미지에만 반응하고, 다른 뉴런은 다른 각도의 선분에 반응하며 - 어떤 뉴런은 큰 수용장을 가져서 저수준 패턴이 조합된 더 복잡한 패턴에 반응함 => 고수준 뉴..
