본문 내용은 cs231n의 유튜브를 기반으로 작성되었음을 알려드립니다. 해당 유튜브 강의를 들으시고 싶으시다면 여기를 클릭하세요. 자료 출처: cs231n.stanford.edu/slides/2017/cs231n_2017_lecture14.pdf 1. Reinforcement Learning 강화 학습(Reinforcement Learning)은 agent가 어떤 행동에 따른 적절한 보상을 통해서 보상을 최대화할 수 있는 행동이 무엇인지를 학습하는 것입니다. 기본적으로 강화 학습에서는 agent(행동을 취하는 주체)와 환경이 주어집니다. State는 상태를 말하는 데, t시점의 상태인 $S_t$가 주어진다면, 그 상태를 통해 agent는 action(행동)을 하게 됩니다. 이 행동으로 $S_{t+1}$의..
학습포스팅/cs231n
본문 내용은 cs231n의 유튜브를 기반으로 작성되었음을 알려드립니다. 해당 유튜브 강의를 들으시고 싶으시다면 여기를 클릭하세요. 자료 출처: http://cs231n.stanford.edu/slides/2017/cs231n_2017_lecture10.pdf 1. Recurrent Neural Networks 순환 신경망(RNN, Recurrent Neural Networks)은 순서가 있는 데이터(sequence data)를 학습하기 위한 인공신경망입니다. 오늘 Lecture10에서는 RNN의 원리에 대해서 배우게 됩니다. RNN을 적용하는 문제에 대해 설명하면서 위의 그림같이 5가지로 분류하여 설명했습니다. 빨간색은 input layer, 초록색은 hidden layer, 파란색은 output lay..
본문 내용은 cs231n의 유튜브를 기반으로 작성되었음을 알려드립니다. 해당 유튜브 강의를 들으시고 싶으시다면 여기를 클릭하세요. 자료 출처: cs231n.stanford.edu/slides/2017/cs231n_2017_lecture5.pdf 1. Convolutional Neural Networks 역사 생략 2. Convolutional Neural Networks 5강에서 Fully Connected Layer, Convolution Layer, Pooling Layer에 대해 배우게 됩니다. Fully Conneted Layer 지금까지 학습한 데이터를 기반으로 분류하는 층이라고 할 수 있습니다. 보통 CNN의 가장 마지막에 Output을 만들기 위해 활용되는 층이라고 보면 됩니다. Convol..
본문 내용은 cs231n의 유튜브를 기반으로 작성되었음을 알려드립니다. 유튜브 링크 : https://www.youtube.com/watch?v=d14TUNcbn1k&list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv&index=4 자료 출처 : http://cs231n.stanford.edu/slides/2017/cs231n_2017_lecture4.pdf 1. Backpropagation 위 그림은 계산 그래프로 계산 과정을 그래프로 나타낸 것이다. 왼쪽에서 L방향으로 가는 것이 Forwardpropagation, 역방향을 Backpropagation이라고 합니다. 일단 오차역전파법(backpropagation)은 가중치의 gradient를 효율적으로 계산하기 위해서 사용하는 방법..
아래 내용은 cs231n 유튜브 강의를 기초로 하여 작성되었습니다. 유튜브 링크 : https://www.youtube.com/playlist?list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv 자료출처 : http://cs231n.stanford.edu/slides/2017/cs231n_2017_lecture3.pdf 1. Loss function 손실함수(Loss function) : 학습을 통해 얻은 데이터의 추정치가 실제 데이터와 얼마나 차이나는지 평가하는 지표로 쓰입니다. 좋은 가중치 값을 찾기 위한 함수로 loss 값이 낮을 수록 좋은 분류기라고 합니다. 비용 함수(cost function), 목적 함수(object function)라고 부르기도 합니다. 질문 : loss ..
아래 내용은 cs231n 유튜브 강의를 기초로 하여 작성되었습니다. 해당 유튜브 강의를 들으시고 싶으시다면 여기를 클릭하세요 1. Image Classification 이미지 분류는 컴퓨터 비전에서 중요합니다. Input : Image, Output : 정해진 카테고리 속에서 하나의 라벨을 출력 사람과 컴퓨터가 인식하는 차이가 있는데 그것을 Semantic Gap(의미적 차이)이라고 합니다. 사람은 직관적으로 사물이 무엇인지 알아낼 수 있지만 컴퓨터는 직관이 없습니다. 컴퓨터는 픽셀의 색을 표현한 숫자로 된 그리드(격자)를 통해 인식합니다. 이미지를 분류하기 위해 다양한 문제들이 존재합니다. Viewpoint Variation (시점의 변화) Intraclass Variation Fine-Grained ..
아래 내용은 cs231n 유튜브 강의를 기초로 하여 작성되었습니다. 해당 유튜브 강의를 들으시고 싶으시다면 여기를 클릭하세요. 1. 컴퓨터비전과 딥러닝 컴퓨터비전 : 시각적 데이터에 대한 인식과 추론 컴퓨터비전 분야는 시각적 데이터의 기하급수적인 증가로 중요해지고 있음. ex) 자율주행, 가상현실, 드론 딥러닝 : 뇌로부터 영감을 받은 "layers"이 존재하는 계층적 학습 알고리즘 cs231n에서 강의할 내용은 Computer Vision과 Deep learning의 intersection 부분임 2. 컴퓨터 비전의 역사 Hubel and Wisel, 1959 고양이를 이용한 실험을 통해 우리는 비전이라는 것이 어떻게 작동하는지 이해하기 시작 Larry Roberts, 1963 실제로 사진 정보를 얻는..
