반응형 학부 강의 노트/기상 인공지능 특론21 딥러닝 수학 통계 - 선형과 비선형성 자연을 이해하기 위한 과학적 접근법 1) 선형화 2) 정량화 선형 함수 선형함수: 1차함수로 표현되는 변량간의 관계 자연세계는 기본적으로 비선형 세계 인간의 인지 능력은 선형적, 즉 1차원적, 직관적 복잡한 비선형계의 데이터는 선형화가 필요... 1차선형회귀 이 경우, 오차가 발생하므로, 통계학의 확률분포 해석이 필요 비선형 함수 만약 설명력을 높이기 위해서는 다차 회귀함수가 필요 비선형의 불확실성 비선형 함수에서는 1개 결과값 Y의 원인자는 차수에 따라 그 수가 늘어남. 즉, 알고 있는 관측/관찰 결과의 원인은 차원에 따라 명확히 알 수가 없다. AI 불확실성과 한계 절대 인간이 될 수 없는 AI AI 인간과 공존하는 지식 2021. 11. 4. 딥러닝 수학 통계 - 함수와 미분 딥러닝을 이해하는데 가장 중요한 수학원리는 "미분" 1차 함수의 기울기와 절편 기울기와 절편 2차함수의 최소값 미분=순간 변화율 미분으로 함수의 최소값을 구함. 어느 순간에 어떤 변화가 일어나고 있는지를 숫자로 나타낸 것을 "미분 계수" = 그래프의 기울기 기울기가 0인 지점이 최소값 지점. 딥러닝에서는 최소값을 찾아내는 과정이 매우 중요. 1차함수의 경우, 수학적으로는 최소 제곱법으로 간단히 찾을 수 있음. 딥러닝이 필요한 다차함수의 경우, 미분과 기울기를 이용하는 경사 하강법을 사용. 연속함수와 이산함수 미분과 차분 아날로그와 디지털 2021. 11. 4. 머신 러닝과 딥러닝의 역사 (간단요약) 머신러닝 딥러닝은 분류와 회귀 문제 해결을 위한 도구(모델) 예) 개 고양이 분류 1. 확률적 모델링 (probabilistic modeling) 통계학 이론을 빅데이터 분석에 응용한 것 초창기 머신 러닝 형태 중 하나 대표적인 모델 알고리즘은 나이브 베이즈 알고리즘 1.1 나이브 베이즈(Naive Bayes) 입력 데이터가 모두 독립이라 가정하고, 베이즈 정리(Bayes' theorem)을 적용하는 머신 러닝 분류 알고리즘 분류 알고리즘 1.2 로지스틱 회귀(logistic regression) 분류 알고리즘 (회귀 알고리즘 아님) 2. 초창기 신경망 - 1980년대 경사 하강법 최적화를 이용하여 변수가 연쇄적으로 연결된 연산을 훈련하는 기법 1989년 Yann LeCun이 합성곱 신경망과 역전파 알고.. 2021. 11. 4. 이전 1 2 3 다음 728x90
