딥러닝 원리:
일단 학습의 간단한 예:
한 예를 들면 (x,y) = (1,1), (2,3) 의 데이터를 만족하는 y=a+b*x 라는 함수를 구하는 것도 일종의 학습.
이 문제는 a=XXX, b=XXX 와 같이 바로 공식화할수 있어서 학습이라고 미처 생각지 못할수도 있지만 학습이지.
중학교때 배우는 근의 공식같은것도 사실 일종의 학습 방법.
익명(121.175)2022-10-26 10:47
답글
이게 좀 더 복잡해지면 (x,y) 데이터가 몇백개, 이들을 최대한 만족시키는 y=a + b*x + c*x*x 함수를 구하는 문제.
이런 문제는 공식화는 어렵고 수치해석적으로 a,b,c 를 구함. 이것도 일종의 학습이고 머신러닝이라고 부를수 있는듯.
함수를 이런 polynomial이 아닌 네트워크 형태로 네트원 연결선마다 w 변수를 구하는 문제로 바꾸면 이게 바로
딥러닝(신경망)이 되는거임. 사실 딥러닝도 문제 자체는 간단함.
딥러닝도 머신러닝중 하나.
익명(121.175)2022-10-26 10:47
답글
아..머신런닝에다가 변수를 주는게 딮러닝이구나.. 그 변수라는게 흔히 말하는 h값이지? 숨겨진 레이어라고 말하는...
익명(125.189)2022-10-26 10:52
답글
딥러닝은 머신러닝 분야중 하나.
딥러닝에서 변수는 앞에서 설명한 w. 노드마다 bias도 있긴한데 원리만 파악하려면 w만 생각해도 무방.
숨겨진 레이어 없어도 원리자체는 별 차이없음.
딥러닝 원리: 일단 학습의 간단한 예: 한 예를 들면 (x,y) = (1,1), (2,3) 의 데이터를 만족하는 y=a+b*x 라는 함수를 구하는 것도 일종의 학습. 이 문제는 a=XXX, b=XXX 와 같이 바로 공식화할수 있어서 학습이라고 미처 생각지 못할수도 있지만 학습이지. 중학교때 배우는 근의 공식같은것도 사실 일종의 학습 방법.
이게 좀 더 복잡해지면 (x,y) 데이터가 몇백개, 이들을 최대한 만족시키는 y=a + b*x + c*x*x 함수를 구하는 문제. 이런 문제는 공식화는 어렵고 수치해석적으로 a,b,c 를 구함. 이것도 일종의 학습이고 머신러닝이라고 부를수 있는듯. 함수를 이런 polynomial이 아닌 네트워크 형태로 네트원 연결선마다 w 변수를 구하는 문제로 바꾸면 이게 바로 딥러닝(신경망)이 되는거임. 사실 딥러닝도 문제 자체는 간단함. 딥러닝도 머신러닝중 하나.
아..머신런닝에다가 변수를 주는게 딮러닝이구나.. 그 변수라는게 흔히 말하는 h값이지? 숨겨진 레이어라고 말하는...
딥러닝은 머신러닝 분야중 하나. 딥러닝에서 변수는 앞에서 설명한 w. 노드마다 bias도 있긴한데 원리만 파악하려면 w만 생각해도 무방. 숨겨진 레이어 없어도 원리자체는 별 차이없음.