본문 바로가기

IT공부/인공지능-딥러닝,머신러닝7

3.딥러닝 전처리 1. 텍스트 전처리 1.1 쪼갠다(토큰화) 1.2 숫자로 변환 1.3 사이즈 맞춤(패딩) 1.4 Embedding(크기 축소) 2. 숫자 전처리 2.1 결측치 처리 2.2 이상치 처리 2.3 정규화 *레이어 사이사이의 정규화: BatchNormalization 2023. 4. 25.
2. 딥러닝 이론 1. 주요 딥러닝 모델 1.1 '특징'에 따른 CNN 1.2 '생성'에 따른 GAN, Auto Encoder 1.3 '메모리'에 따른 RNN 2. 신경망 학습 매커니즘 3. CNN (이미지) -Convolution Layer 와 Pooling Layer로 구성된, 이미지 처리에 좋은 성능을 가지는 인공신경망 -Convolution Layer : 컨볼루션 연산(필터연산)을 통해 특징(feature)를 추출하는 레이어 -Pooling Layer : Sub sampling 통한 차원의 축소로 max-pooling, average-pooling 활용 -Fully connected layer : 이전레이어의 모든 처리결과를 하나로 연결하여 이미지의 특징을 구분 -패딩(Padding) : 입력 이미지 주변을 0으로.. 2023. 4. 25.
1. 딥러닝 역사 1. 1958 퍼셉트론의 등장 -인간의 뉴런을 기반으로 한 최최의 인공신경망 -n 개의 input의 선형결합(가중치의 합)에 activation 함수를 적용하여 확률값 y를 제공 -> XOR 문제를 해결하지 못함 2. AI의 겨울 3. 1987 다중퍼셉트론(Multi-layerd 퍼셉트론) -은닉층(hidden layer)를 추가하여 비선형 분리문제(XOR) 해결 -역전파 알고리즘(BackPropagation) 개발하여 오류 역전파(가중치 조절) ->레이어가 많아 전달이 안되는 경우 기울기 소멸문제 발생 4. AI의 겨울2 5. 하드웨어의 발달로 성능개선 6. 2011 IBM Watson이 퀴즈대회(Jeopardy)에서 우승 7. 2016년 Google 알파고 2023. 4. 25.
인공지능 딥러닝 머신러닝의 이해 인공지능과 딥러닝, 머신러닝 *인공지능: 인간의 사고과정에 필요한 능력을 컴퓨터를 통해 구현 if,else, if,else... *머신러닝: 컴퓨터가 데이터를 스스로 학습하고 알고리즘을 통해 학습의 결과를 도출 통계, 수학 기반 학습.. *딥러닝: 고도화 된 신경망 알고리즘을 적용하여 인간과 유사하게 행동하는 프로그램을 구현한 학습 방법 2023. 4. 25.