반응형 인공지능29 신경망 코드 구현 해보기 오늘은 신경망을 구현해 보자. 단일 뉴런 구현 가장 첫 번째로 단일 뉴런을 구현해 보자. 입력값 x, y를 설정하자 x = np.arrange(-1.0, 1.0, 0.2)y = np.arrange(-1.0, 1.0, 0.2) x, y값 모두 numpy의 arrange 함수로 -1.0부터 1.0 직전까지 0.2 간격으로 10개의 값을 넘파이 배열로 저장할 것이다. 출력값을 저장하는 그리드맵을 만들어주자. z = np.zeros((10, 10)) 그리고 단일 뉴런을 처리하는 코드를 합치면 다음과 같은 코드를 만들 수 있다. import numpy as npimport matplotlib.pyplot as plt#원소수 10개 설정x = np.arange(-1.0, 1.0, 0.0.. 2024. 1. 1. 신경망(2) 저번 시간에 이어 활성화 함수에 대해 이야기해보겠다. 활성화 함수의 대표적인 예인, 계단 함수에 대해 알아보자. 계단 함수의 입력값 x가 0 이하면 출력값은 0 이 되고, x 가 0 보다 크면 출력은 1이 된다. 이것을 식과 코드로 구현해보자. import numpy as npimport matplotlib.pyplot as pltdef step_function(x): return np.where(x 출력: 활성화 함수의 다른 예인, 시그모이드 함수에 대해 알아보자. 시그모이드 함수는 0과 1 사이를 매끄럽게 변화하는 함수이다. 함수의 입력값이 작을수록 출력값은 0에 가깝게 되고 입력값이 커지면 출력값은 1에 근접하게 된다. 시그모이드 함수는 자연상수 e의 거듭.. 2023. 12. 31. 딥러닝을 위한 수학 훑어보기 딥러닝에서의 수학이란딥러닝에서 수학이란, 굉장히 많은 부분을 차지한다고 볼 수 있다. 다른 분야도 마찬가지지만, 인공지능 분야 특히 딥러닝 분야는 수학이 전부라고 이야기해도 과장이 아닐 것이다. 이 장에서 우린 딥러닝에 필요한 한정적인 수학의 일부 영역만 살펴보자. 벡터와 행렬에 관한 선형대수 그리고 편미분, 연쇄법칙, 전미분 등의 미분, 가장 중요한 통계학에 대해 배워보겠다. 먼저 딥러닝을 위한 선형대수의 기본지식에 대해 알아보자. 선형대수는 백터와 행렬을 다루는 수학의 한 분야이다. 딥러닝에서는 굉장히 많은 숫자를 계산해야 하는데 이때 선형대수를 이용하면 이러한 계산을 간결한 수식으로 표현할 수 있다. 그리고 이러한 수식은 넘파이에서 프로그래밍 코드로 구현할 수 있다. 스칼라(scalar)는 .. 2023. 12. 26. 딥러닝 공부에 필요한 파이썬 훑어보기 파이썬을 사용하는 이유 파이썬(Python)은 문법이나 프로그래밍 사고방식이 독특하면서도 간결하여 비교적 다루기 쉬운 프로그래밍 언어이다. 오픈소스라 누구라도 무료로 내려받을 수 있어 전세계적으로 많이 사용되고 있다. 파이썬은 딥러닝을 구현할 때도 적합하다. 전문 프로그래머가 아니어도 쉽게 모드를 작성할 수 있고, 수치계산 라이브러리인 Numpy를 활용하면 인공지능 구현의 필수 요소인 행렬 연산을 매우 빠르게 처리할 수 있다. 유명한 딥러닝 프레임워크인 텐서플로(TensorFlow)나 체이너(Chainer) 등에서도 파이썬으로 딥러닝을 구현할 수 있다. 필자는 C, C++, Java와 더 친숙하기 때문에 파이썬 개요를 한번 정독하는 것이 나쁘지 않다고 생각했다. - 머신러닝을 시작할 때 문턱을 크게 낮.. 2023. 12. 20. 이전 1 ··· 4 5 6 7 8 다음 반응형
