Kim Seon Deok

Sequential data : sequence를 갖고있는 data >> 이전 data가 이후 data에 영향을 미침 RNN(Recurrent Neural Network) -딥러닝 구조 중 하나 -가변적 길이의 연속적인 시퀀스 input 데이터를 처리하기 위해 고안된 모델 -이웃한 데이터간의 연관성을 표현 -'기억'을 뜻하는 'hidden state'를 가지고 있음 -새로운 입력이 들어올 때마다 기억을 조금씩 수정 -RNN은 추가된 input(xt)과 과거의 정보(ht-1)을 조합해, 새로운 정보(ht)를 생성 -원하는 시점에 생성된 정보(ht)를 통해 task를 수행 >> task에 따라서 yt가 필요한 / 필요하지 않은 경우가 달라짐 -input과 이전 state를 선형변환하여 결합한 후 activa..

인공지능 인간의 지능으로 할 수 있는 사고 학습, 자기 개발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보 기술의 한 분야 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것 딥러닝 + 전통적 머신러닝(데이터 사이언스, 데이터 분석) 인공지능의 사례 1.이미지 분류 인간이 이미지를 분류하는 성능은 약 95%. 2015년 'ResNet'이라는 모델이 96%의 성능을 기록하면서 인간의 능력을 뛰어넘기 시작 2.객체 탐지 어떤 이미지 및 비디오 속에 포함돼 있는 물체에 대해 해당 물체가 어떤 물체인지 분류하는 문제, 물체의 위치를 찾아내는 문제 물체의 위치정보(x,y,w,h)를 bounding box로 표현하여 자율주행 자동차, CCTV 등과 같은 카메라 기술ㅇ르 바탕으로 개발..

머신러닝과 딥러닝의 경우 각 레이어의 노드 수가 증가할수록, 레이어의 수가 깊어질수록 파라미터의 수는 급격히 증가. 파라미터 수를 무조건 늘리는 것이 중요한 것이 아니라 해당 task를 수행하기 위해 적절한 수의 파라미터 수를 할당하고 학습에 이용되지 않는 데이터에 대해서도 task를 정확히 수행하기 위한 일반화 과정이 필요하다. Top-1Accuracy:모델의 예측한 결괏값 중 가장 높은 확률로 예측한 클래스가 실제 클래스와 동일한지를 평가하는 엄격한 기준 Top-5Accuracy:모델의 예측한 결괏값 중 상위 5개의 확률에 대해 실제 클래스가 포함되는지를 평가하는 비교적 덜 엄격한 기준 동일한 성능 - 파라미터 수가 적을수록 계산해야 할 변수가 줄어듦 파라미터 수가 비슷 - 성능이 높은 것 G-FLO..