doeunn.log

▶ RNN을 위한 PyTorch 구현 RNN 학습 과정 t-1 시점의 hidden state와 t 시점의 input vector를 받음 → 학습 → 나온 결과물로 output vector를 도출 RNN 학습 ← U, W, V 이 3가지의 weight를 학습을 하는 것 Text generation 이번 글에서 해볼 학습은 Text generation 입니다. 예를 들어 'hello'라는 단어가 있다고 했을 때, 모델의 input으로 'h', 'e', 'l', 'l', 'o' 하나하나씩 들어오게 됩니다. 이때 input이 'h'일 경우 output은 그 다음 글자 'e'가 됩니다. 'e'가 input으로 들어오게 되면 output은 'l'이 되야겠죠? 이러한 input과 output을 알고 있다고 했을 때 ..

▶RNN(Recurrent Neural Network) 1. RNN 등장 배경 연속적인 데이터(Sequence data)를 다뤄야 한다면? 🙍🏻‍♀️그래서 기존 모델들로는 sequnce data를 학습할 수가 없어서 RNN이 나온건가요? 👩🏻‍💻기존 모델들로도 해결할 수 있기는 합니다만..... Snapshots을 이용하는 방법..? 각 시점에 대한 데이터를 끄집어내서 그때에 대한 output을 각각 도출 하지만 sequence data는 트랜드성이 존재(=dynamic behaviors) snapshots 형태로 학습을 하게 되면 dynamic한 hehavior들을 포함할 수 없음 즉, 이전 데이터들과의 연관성은 학습하지 못한 모델이 되게 됨 Sliding predictor를 사용한 방법..? 아래와 ..

▶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..