ML / DL

1. 퍼셉트론(Perceptron)이란? 신경망(딥러닝)의 기원이 되는 알고리즘 다수의 신호를 입력 받아 하나의 신호를 출력 > x1, x2 : 입력신호 y : 출력 신호 w1, w2 : 가중치 그림에서 원 : 뉴런 or 노드라고 함 입력신호가 다음 뉴런에 보내질

장점 : 퍼셉트론 이용하여 복잡한 함수 표현 가능단점 : 가중치 설정 - 사람이 수동으로 진행해야 함퍼셉트론의 단점을 보완하기 위해~=> 신경망 : 가중치 매개변수의 적절한 값을 데이터로부터 자동으로 학습(결정)하는 알고리즘1) 입력층 (input layer): 데이터

학습 : 훈련 데이터로부터 가중치 매개변수의 최적값을 자동으로 획득하는 것신경망이 학습할 수 있도록 해주는 지표엔 손실함수가 있음학습의 목표 : 손실 함수의 결괏값을 가장 작게 만드는 가중치 매개변수를 찾는 것신경망의 특징 - 데이터를 보고 학습할 수 있다는 점!즉,

원래의 고전적인 접근 방식에선 강력한 전문 지식이 요구됐었음최근에는 LSTM과 같은 순환 신경망등의 딥러닝 메소드 / 1차원 convolutional 신경망 / CNN을 사용하는 것 같은 변화들이 좋은 결과를 제공하는 것으로 나타남이 튜토리얼을 통해 활동 인식 시계열

Decision Tree데이터에 있는 규칙을 학습을 통해 자동으로 찾아내 트리 기반의 분류 규칙을 만드는 알고리즘(쉽게 이해하려면 if-else문을 자동으로 찾아내 예측 위한 규칙을 만드는 알고리즘)구조루트노드 : 시작점리프노드 : 분류 클래스의 총 개수규칙노드(=내부

OpenCV : 인텔 사에서 만든 컴퓨터 비전 라이브러리, C와 C++로 개발됨사용가능한 인터페이스 언어 : C, C++, 자바, 자바스크립트, 파이썬type(객체) : 해당 객체가 어떤 클래스인지 확인dir(객체) : 해당 객체가 사용 가능한 멤버 함수 목록 확인im

디지털 카메라 - 실제 세상의 피사체를 일정한 간격으로 샘플링(sampling & 명암을 일정한 간격으로 양자화(quantization) ⇒ 디지털 영상 획득물체에 반사된 빛 → 카메라의 작은 구멍을 통해 안으로 들어가 영상 평면에 맺힘(영상 평면 = 눈의 망막 = 필

에지 검출 알고리즘은 아래의 명암 변화 특성 활용함물체 내부 - 명암이 서서히 변함물체 경계 - 명암이 급격히 변함디지털 영상 : 정수 좌표 사용 → x의 최소 변화량 = 1이므로 델타 x = 1 사용Untitled식을 영상 f에 적용 ➡️ 필터 u로 컨볼루션하여 구현

합리적 에이전트 개념(사람 = 항상 최적의 의사결정 하려 노력하는 주체) → 컴퓨터에 적용하면 “지능 에이전트”지능 에이전트 : 비전, 자연 언어 처리, 지식 표현, 학습, 추론 등 기능 종합적 발휘비전 에이전트 (vision agent) : 비전에 특화된 지능 에이전

규칙 기반의 한계 : 성능 개선에 한계→ 딥러닝으로의 전환Untitled데이터 수집 → 모델 선택 → 학습 → 예측모델의 입력 : 특징 벡터 (feature vector) → x로 표기모델의 출력 : 참값 (GT: Ground Truth) / 레이블 (label) →

Untitled다층 퍼셉트론에 입력하기 위해 1차원으로 펼치면 삼각형 모양은 사라짐다층 퍼셉트론 - 픽셀의 연결성 못 씀 → 개별 화소를 보고 분류⇒ 작은 데이터셋에서도 정확도가 낮고 ImageNet이나 COCO와 같은 큰 데이터셋은 거의 인식 못하는 근본 원인Unti