doeunn.log

▶CNN과 MLP 차이 이전 글에서 딥러닝 종류에 대해서 알아보았습니다. 그런데 특히 CNN(Convolution Neural Network)와 MLP(Multi Layer Percepron)의 그림을 보는 중에 두 그림이 비슷해 보여서 둘의 차이가 궁금해 정리해 보려고 합니다 :) CNN MLP ✔️ kernel을 통해 valid padding과 pooling을 통해 특징점을 추출 ✔️ 이미지의 행렬인 2차원 배열에서 가로, 세로 축 전부 합성곱 연산과 풀링 연산으로 정보 손실 적음 ✔️ 풀링으로 추출한 특징점에 대한 가중치만 계산 ✔️ 연산량이 MLP보다 적음 ✔️ 이미지 행렬을 1차원 배열로 만듦 ✔️ 이를 신경망에 입력으로 넣어서 가중치 계산 ✔️ 공간 정보 손실이 큼

▶딥러닝(ANN, DNN, CNN, RNN, SLP, MLP) 비교 1. Machine Learning vs Deep Learning 딥러닝과 머신러닝의 차이점 실질적으로는 인공지능 > 머신러닝 > 딥러닝 이렇게 포함관계가 됩니다. 하지만 머신러닝과 딥러닝의 차이는 '사람의 개입 여부'가 되겠습니다. 머신러닝과 딥러닝 모두 데이터를 분류하는데 사용하는 기술이지만, 두 기술의 가장 큰 차이점은 사람의 개입 여부입니다. 머신러닝은 주어진 데이터를 인간이 먼저 처리합니다. 사람이 먼저 컴퓨터에 특정 패턴을 추출하는 방법을 지시하고, 그 이후 컴퓨터가 스스로 데이터의 특징을 분석하고 축적합니다. 이렇게 축적된 데이터를 바탕으로 문제를 해결하도록 하는건데요. 예를 들어 개와 고양이의 사진을 보고 개와 고양이의 특..

▶머신러닝(Machine Learning) 우선 가장 큰 분류인 인공지능은 인공(Artificial) + 지능(Intelligence)을 합친 용어가 되겠습니다. 우리 일상생활에서는 과거 로봇 청소기, 과거 일반적인 게임에서 찾을 수 있습니다. 이들의 특징은 학습을 하지 않는다는 것입니다. 그 다음 분류인 머신러닝은 학습(Learning)하는 기계(Machine)이라는 뜻으로 Decision Tree, SVM 등이 있습니다. 그 다음으로 딥러닝은 깊은(deep) 신경망 구조의 머신러닝으로 MLP, CNN, RNN 등이 있습니다. 1) 배경 과거 컴퓨터로 데이터를 읽어 들이고 그 데이터 안에서 특징을 학습해서 패턴을 찾아내는 작업 즉 패턴 인식을 해왔었습니다. 데이터를 대량으로 수집 및 처리할 수 있는 환..