# sigmoid
Activation Functions
Activation Functions logistic regression에서 linear transformation 결과에 적용한 non-linear transformation인 sigmoid함수가 activation function에 해당된다. activation f
[밑바닥부터 시작하는 딥러닝] 3. 신경망 part1 - 활성화 함수, 3층 신경망 구현
🌿 신경망 퍼셉트론에서 가중치를 설정하는 작업은 여전히 사람이 수동으로 해야했음 → 신경망은 가중치 매개변수의 적절한 값을 데이터로부터 자동으로 학습 아래 그림은 신경망의 예시 중 하나이다. 활성화 함수 activation function 입력 신호의 총합을 출
신경망과 활성화 함수
단층 퍼셉트론, 다층 퍼셉트론, 신경망의 차이를 활성화 함수의 관점에서 알아보며, Step Function, Sigmoid Function, ReLU에 관해서도 알아본다. 또한 뉴런으로 층을 쌓는 혜택을 보고 싶다면 비선형 함수를 사용해야 함을 설명한다.
모두를 위한 딥러닝 시즌 1 ML lec 6
저번 강의에서 우리는 binary classification에 대해 공부했었다. binary classification은 한가지 기준으로 그렇다/아니다를 판별하는 것이었다. 그런데 2가지 이상에 대해서 판별하려면 어떻게 해야할까?
[DL] sigmoid vs step function
이전 내용 참고https://velog.io/@u_jinju/DL-활성함수앞선에 작성했던 sigmoid와 step function 의 차이를 알아보려한다.제일 큰 것은 '매끄러움'의 차이.sigmoid는 곡선을 띄는 방면, step function은 각이져있다
Logistic Regression with a Neural Network mindset
아래서 사용하게 될 "data.h5" 데이터셋은cat (y=1)과 non-cat (y=0)으로 레이블된 m_train 트레인셋cat (y=1)과 non-cat (y=0)으로 레이블된 m_test 테스트셋각각의 이미지는 (num_px, num_px, 3)의 shape을
Python Basics with Numpy
sigmoid_derivative(x)=f(x)(1-f(x))(length, height, 3)를 넣으면 벡터값(length x height x3, 1)을 리턴해주는 함수axis = 1, keepsdim =1 에 대한 설명은 여기 참고하면 도움이 된다.
선형 회귀와 로지스틱 회귀
이번 포스팅에서는 선형회귀(Linear Regression)와 로지스틱 회귀(Logistic Regression)에 대해 알아보려 한다. 회귀(Regression) 회귀분석(Regression Analysis) 이란 통계학에서 전통적으로 많이 사용되던 분석 방법이다.
모두를 위한 딥러닝 시즌 1 :: ML lec 10
Activation Function Activation Function : 특정 값을 넘어가거나 도달하면,
[딥러닝] 성능향상(활성함수)
입력값과 가중치를 곱해주고 활성함수를 위한 b(bias)를 더해준 값을 활성함수에 입력함활성함수는 입력에 가중치가 곱해서 나온값의 정도를 결정해서 다음으로 넘겨줌!선형함수에서 ReLU까지 활성함수가 발전해온 과정sigmoid와 계단함수 같은 경우 값이 너무 작거나 너무
딥러닝 - 활성함수 (Activation function)
퍼셉트론 복습, 활성화 함수의 정의, 활성화 함수 종류 및 구현(계단함수, 시그모이드, ReLU)
딥러닝 활성화 함수
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...
RELU Function
Sigmoid Function이란? 로지스틱 함수에서 선형예측 결과를 확률로 변환하는 함수로, 0과 1 사이의 값으로 값을 변환해준다.문제점: Sigmoid 함수를 사용하면 gradient 함수를 이용해서 back propagation을 진행할때, sigmoid함수를
logit, sigmoid, softmax의 관계
왜 NN의 출력층에 sigmoid, softmax 함수를 사용할까요? 이는 출력층의 값을 '확률'로서 표현하기 위한 필연적 결과입니다. 본 글에서는 logit, sigmoid, softmax의 관계에 대해서 정리해보았습니다.