이숭간 공부기록

#다차원배열을 이용하여 신경망 구현 배열의 차원수 - np.ndim() 배열의 형상 - np.array클래스의 인스턴스 변수인 shpae으로 알수있음 (몇 곱하기 몇 행렬인지), 튜플로반환 두 행렬의 곱 - np.dot(A, B) : 행렬 A,B의 곱 곱해지는 행렬의 대응하는 차원의 원소수만 맞춰주면 np.dot()으로 한번에 Y를 계산할수 있다. np.dot()을 사용하지 않으면 for문으로 계산해야하는데 개귀찮 ㅇㅇ # 3층 신경망 구현하기 # 출력층 설계하기 : 기계학습의 타입에따라 사용하는 활성화함수가 달라진다. 분류 - 소프트맥스함수 : 데이터가 어느 클래스에 속하느냐?? (ex.사진속 인물의 성별분류하기) 회귀 - 항등 함수 : 입력데이터에서 연속적인 수치를 예측하는문제 (ex. 사진속 인물의..

2장에서 배웠던 퍼셉트론에서는 원하는 결과를 출력하도록 가중치값을 적절하게 정하는 작업을 사람이 수동으로 해야했음. 신경망은 가중치값을 기계가 데이터로부터 자동으로 학습하는 능력을 가질수있게함 ( 퍼셉트론 복습 - 두 신호 x1,x2를 입력받아 y를 출력하는 퍼셉트론. 각신호에 가중치를 곱한값을 모두 더한값에 편향(뉴런이 얼마나 쉽게 활성화되는지를 제어)함을 더한값이 0보다 크면1, 작거나 같으면 0을 출력) 3장의 목표 신경망의 개요 신경망이 입력데이터가 무엇인지 식별하는 처리과 # 활성화함수 : 입력 신호의 총합을 출력신호로 변환하는 함수 h(x) 활성화함수는 입력신호의 총합이 활성화를 일으키는지 정하는 역할을 함. 활성화함수의 종류 퍼셉트론과 신경망의 차이는 어떤 활성화함수를 쓰느냐의 차이뿐. 함수..