딥러닝 이론 정리

과정뉴런이 입력 데이터를 처리하는 과정x인 입력 데이터는 가중치와 곱해진다. (x가 둘 이상일 경우 각 x에 서로 다른 가중치 w가 곱해진다.)가중치와 데이터의 곱을 모두 더해준 후 활성화 함수에 대입된다.활성화 함수에는 계단함수, 시그모이드, 하이퍼볼릭 탄젠트...

CNN을 쓰는 이유일반적인 Deep Neural Network(DNN)은 기본적으로 1차원 데이터를 입력데이터로 사용한다. 반면 이미지 데이터는 2차원 형태의 입력 데이터로 DNN에서 사용하기 위해서는 1차원 데이터 형태로 만들어야하는 데 이 과정에서 이미지의 공간적/

CNN의 합성곱을 설명하는 블로그에 가보면 1채널 이미지, 3채널 이미지에 대해서 convolution 연산을 설명하고 있다. 초기 입력 convolution에 대한 이해는 가지만 다양한 모델을 보게되면 여러층을 쌓아서 convolution을 하기 때문에 중간 단계의

튜토리얼을 기반으로 적어보는 사용자 정의 DataLoader출처 : https://tutorials.pytorch.kr/beginner/basics/data_tutorial.html기본형\_\_init\_\_ 함수는 Dataset 객체가 생성(instantia

Agent(에이전트)가 Environment(환경)와 상호작용하며 강화학습의 목표는 Environment(환경)에서 Agent가 최대 reward를 얻을 수 있도록 Agent(에이전트)를 학습하는 것이다.캡Agent(에이전트) : 주어진 문제 상황에서 행동하는 주체이다

RNN(Recurrent Neural Network)은 은닉층의 노드에서 활성화 함수를 통해 나온 결과값을 출력층으로 보내면서 다시 은닉층 노드의 다음 계산의 입력으로 보내는 특징을 가지고 있다.x는 입력층의 입력 벡터이고 y는 출력층의 출력 벡터이다.RNN 은닉층에서