DL
1.deep-learning-ANN #1
<span style='background-color: =생체 신경망 구조와 유사하게 은닉 계층을 포함하는 인공신경망 기술이다.입력, 은닉, 출력 계층으로 구성되어 있으며 은닉 계층을 한 개 이상 포함할 수 있고, 각 계층은 여러 노드로 구성된다.은닉 계층 수나
2.deep-learning-ANN #2
이번 시간에는 직접 ANN신경망을 구축해보는 실습을 해보려한다. <span style='background-color: =np,pd,tf세가지 라이브러리만 임포트해주면 된다. <span style='background-color: =우선 데이터 세트를 살펴보
3.deep-learning-ANN #3
지난 시간에는 ANN 구현을 위한 dataset을 preprocessing해보았다면 이번에는 해당 자료를 통해서 직접 ANN을 구축해볼 생각이다. <span style='background-color: =인공 신경망이될 변수를 만들어준다.직시적으로 ann이라는 변
4.deep-learning-CNN #1
신경망을 구성하는 방법은 정말 여러가지가 있다. 이중 <span style='background-color: - <span style='background-color: - <span style='background-color: - <span
5.deep-learning-RNN #1
RNN 이란? = 우선 오늘 알아볼 RNN은 재귀신경망(Recursive Neurel Network) 이 아닌 순환 신경망(Recurrent Neural Network)입니다.순환신경망(Recurrent Neural Network)은 사슬(체인)형태의 계산 그래프를 사
6.deep-learning-RNN #2
오늘은 colab을 통하여 간단한 RNN실습을 해보겠다!<span style='background-color: =<span style='background-color: -<span style='background-color: -위에서 :, 1:2.val
7.deep-learning-SOM #1
지금은 2D지도뿐만 아니라 3D지도가 보편화 되어있지만, 2D지도를 생각해 보자. 실제 거리에는 높이가 다른 건물, 복잡한 골목길, 서로 다른 모습을 하고있는 모든 구조물 까지 실제로는 2D지도(종이지도)에 그려진것처럼 정적이지 않다는걸 우리는 모두 알고있다. 하지만
8.deep-learning-SOM #2
지난시간에 다루어봤던 SOM에대한 실습을 포스팅하도록 하겠다. <span style='background-color: =<span style='background-color: =<span style='background-color: =<span s
9.deep-learning-BM #1
인공신경망, 컨볼루션 신경망, 순환신경망, 자기조직화 지도 이 모든 것들에는 <span style='background-color: <span style='background-color: =여기 BM의 노드를 표현한 사진이 있다. 우선 은닉노드와 가시적인 노