일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- 해리스 코너 검출
- TensorFlow
- 딥러닝 공부
- c언어
- 팀프로젝트
- 파이토치 강의 정리
- 딥러닝
- 미디언 필터링
- 파이토치
- 딥러닝 스터디
- 김성훈 교수님 PyTorch
- 모두의 딥러닝 예제
- 컴퓨터 비전
- object detection
- tensorflow 예제
- 영상처리
- matlab 영상처리
- Pytorch Lecture
- 골빈해커
- c++
- 케라스 정리
- pytorch zero to all
- MFC 프로그래밍
- c++공부
- 가우시안 필터링
- 모두의 딥러닝
- C언어 공부
- 파이토치 김성훈 교수님 강의 정리
- c언어 정리
- pytorch
Archives
- Today
- Total
목록다층 퍼셉트론 예제 (1)
ComputerVision Jack
머신러닝 가이드 - Chapter4 MLP
1. 다층 퍼셉트론 다층 퍼셉트론 다층 퍼셉트론(MLP : Multi-layer Perceptron) 가장 보편적으로 사용되는 뉴럴 네트워크. 이를 사용할 때 작동 원리를 이해하지 못하고 블랙박스(black box)로 취급되며, 이는 수행에 문제점을 내포한다. 뉴럴 네트워크는 가중치를 통해서 학습한다. 이에 대해 더 많은 계산을 수행하려면 가중치를 추가하면 된다. 가중치 추가 방법 출력 뉴런들이 다시 입력으로 들어가도록 반대 방향으로 연결되는 가중치 추가 (순환망 - Recurrent Networks) 더 많은 뉴런을 추가한다. 목표 값을 도출해낼 수 있는 가중치를 찾도록 네트워크를 수정하려면 퍼셉트론에 사용했던 출력 값의 에러(오차) 계산법을 생각해 볼 수 있다. 은닉층(hidden layer) 하지만..
DeepLearning/머신러닝 - Algorithm
2020. 3. 6. 20:42