ㅤ

R에서의 변수 이름 규칙 : 알파벳, 숫자, _ , .로 구성. 언더바는 사용할수 있지만 -는 불가. ex) .constantnum, aaanum ex) 2a, .2 와 같이 첫글 자가 마침표일때 뒤 숫자 불가, 혹은 첫 글자가 숫자는 불가 (알파벳과 마침표가능. 마침표일때 뒤에는 숫자불가) 스칼라 : 기본적으로 R의 기본 데이터 타입은 길이가 1인 벡터 배열을 의미한다. 변수 할당 :

* 이전 독서시 활용한 기본 제공 데이터를 그대로 구현한 코드 1. 필기체 인식 예# 데이터 전처리 from tensorflow.keras.datasets import mnist from tensorflow.keras.utils import to_categorical import matplotlib.pyplot as plt import sys # X_train, y_train : 학습에 사용될 학습셋 데이터 # X_test, y_test : 테스트에 사용될 테스트셋 데이터 (X_train, y_train), (X_test, y_test) = mnist.load_data() print("학습셋 이미지 수: %d개" % (X_train.shape[0])) print("테스트셋 이미지 수: %d개" % (X_..

1. 인공 신경망과 심층 신경망 및 딥러닝 관계 인공신경망(ANN) 심층신경망 딥러닝 딥러닝 기술의 기초 심층신경망을 구성하는 요소 인공신경망을 다중층으로 구성하여 만든 신경망 심층신경망을 학습시키는 과정 인공신경망의 구성 구분에 따라 각기 상이 2. 대표적인 인공 신경망 기법 : CNN, RNN CNN RNN 합성곱 신경망이라고 함 특정 부분의 영역을 추출하여 곱 연산 시행 이미지의 특정 영역이 가진 특징을 추출하거나 인식하는데 사용(사물인식, 필기 인식, 물체 인식, 컴뷰터비전 분야 등) 순환 신경망이라고 함 순환신경망 특성인 연속 값 예측할 수 있는 기법 다른 신경망의 가중치가 한면으로 이동하는데 반해 순환 신경망은 자기 자신에게 돌아오는 재귀적 연산 특징을 가짐(W 반복 수정 없음) 신경망 현위치..

5. 뉴런의 연결 : 가중치(W), 편향(b) 배열과 입력의 배열곱으로 연산 6. 가중치 업데이트 : 거리기반 측정방법(맨하탄, 유클라디안 방식)과 확률기반 측정방법(시그모이드, 소프트맥스, 크로스엔트로피, 역전파 체인룰) 사용 https://www.mldawn.com/back-propagation-with-cross-entropy-and-softmax/

4. 인공 신경망의 지도 학습 방법 및 원리 : 신경망은 인체의 신경세포인 뉴런을 본따 각각의 은닉층 구조를 깊게, 별도 가중치를 부여하면서 최적의 결과를 찾는 방식을 반복한다. 그러나 입력값의 결과에 따른 출력값이 바르지 않은 경우 다시 학습하는 과정이 필요하며 지도학습 과정에서는 이런 예측의 정확도를 높일 필요가 있다. 이때 사용되는 것이 오차이다. 지도학습 - 구분 문제 지도학습 - 분류 문제 남녀 분류 문제의 경우, 정답과 오답의 각 오차는 0과 100이므로 오차값을 계산하도록 하는 Binary Crossentropy를 사용. 이항 교차 엔트로피(1,0) : 잘 예측한 경우 오차값의 출력은 0, 반대는 1이며 각 수에 가까워질수록 정답과 오답에 대한 차이값을 나타냄 특정한 답이 정해지지 않고 기준..

3. 인공 신경망의 신호 전달 방법 및 원리 : 인간의 경우 뇌 속 뉴런들이 서로 신호를 상호적용하며 주고받는 방식으로 진행. 인공 신경망 또한 인체의 신경망을 모사하여 작동하며 크게 신호전달 / 신호수신 과정으로 나뉨. 신호전달 신호수신 뇌세포의 신경 간 신호 전달방식은 다대일 등의 방식으로 진행. 인공신경망 또한 전달 신경망이 피전달 신경망에게 이러한 신호를 전달할때 가중치, 편향을 조절하여 전달한다. => 신호세기 차등화 - 가중치(weight) : 피전달자 신경망이 받는 가중치는 곱해진다 - 편향(bias) : 피전달자 신경망이 받는 편향값은 전달치의 신경망에서 더해진다 신호를 수신받는 피전달자 신경망은 이를 전달하는 전달 신경망과 선으로 연결되어 있으며 이때 각각의 선들은 가중치와 편향에 대한 ..

0. 인공신경망과 구조 : 인간의 뇌세포가 각각의 신경세포로 무수히 연결된 것을 본따 구성. 인공 신경망(AHN, Artificial Neural Network)이라고 함. 각각의 뉴런들이 연결된 것을 층(Layer)라고 하며 3개의 층으로 구분 입력층 은닉층 출력층 데이터를 입력받는 층 입력층에서 입력받은 데이터가 출력층으로 전달될때 거쳐가는 층 은닉층 구성이 여러개일수록 정확 - 심층신경망(DNN, Deep Neural Network) 은 다수의 은닉층으로 구성된 깊은 인공 신경망을 말하며 이 신경망이 학습하는 것을 딥러닝이라함 어떤 값이 전달된 뒤 최종 결과가 도출되는 층 1. 인공신경망이 사용되는 문제 예시 : 남녀 구분 / 나이대 구분 / 특정 나이 맞추기 각각 이항분류, 다중분류, 회귀 방식으..

0. 머신러닝의 학습방법 : 학습데이터의 전달 및 습득 방식의 종류에 따라 지도/비지도/강화 학습으로 나뉜다. * 머신러닝은 데이터를 가지고 스스로 학습 1. 지도학습 - 분류(Classification), 회귀(Regression) 문제에 사용. 지도학습에서 사용된 데이터에는 정답과 오답 데이터가 있으며 데이터를 스스로 학습하는데 크게 분류(이진분류, 다중분류)와 회귀 방법이 존재한다. * 지도학습은 정답 데이터가 있는 데이터셋으로 학습을 진행 분류 회귀 이진분류와 다중분류로 나뉨 1. 이진분류(Binary Classificatioon) : 암 판별 문제, 스팸 판별 문제 등 - 결과의 이진 도출 케이스에 사용 2. 다중분류(Multiclass Classification) : 이진 판별이 아닌 다양한 ..

1. 인공지능 - 머신러닝 - 딥러닝의 개념. 개요. 관계 사람 인공지능 '지능', 지적 작업에 필요한 능력이 있음. ex) 길가에 떨어진 돈을 보고 좋아한다(떨어진 돈이 지폐인지 아닌지를 구분하는 지적작업을 활용) 사람이 가진 '지적 능력' 지능을 기계가 가진 것. ex) Google 음성인식 기술, 무인자동차, 물건 및 감정 인식 인공지능을 만드는 방법 중 하나는 머신러닝이 있으며 그 외 전통적인 방법(머신러닝 방식이 아닌) 등 다양하다. 전통적 방식 머신러닝 ex) 자동문의 경우 사람이나 물체가 센서 근처에 다가가면 문이 열리도록 하는 알고리즘과 프로그램을 작성해서 시스템에 도입 ex) 자동문이 언제 열릴지 센서가 닿는 종류, 시간 등 다양한 변수 요건들을 스스로 학습하여 문제를 해결하는 것 ==>..

1) GAN (Generative Adversarial Networks) 생성적 적대 신경망 : 딥러닝 원리를 이용해 가상의 이미지를 생성하는 모델. 가짜 이미지를 만드는 생성자, 이미지의 진위 여부를 판단하는 판별자로 구성. - 패딩을 사용해 입출력 크기를 통일 - 배치정규화를 통해 입력값의 범위를 제한하여 안정화, BatchNormalization() 함수 사용 - 생성단의 활성함수는 Relu함수, 판별단 전달 직전 tanh 함수 사용 GAN 모델 생성실습from tensorflow.keras.datasets import mnist from tensorflow.keras.layers import Input, Dense, Reshape,Flatten, Dropout from tensorflow.kera..