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 |
Tags
- pytorch zero to all
- pytorch
- Pytorch Lecture
- 파이토치
- 김성훈 교수님 PyTorch
- 컴퓨터 비전
- c++
- 케라스 정리
- c언어 정리
- object detection
- c++공부
- matlab 영상처리
- 영상처리
- 파이토치 김성훈 교수님 강의 정리
- tensorflow 예제
- 딥러닝
- 딥러닝 공부
- 딥러닝 스터디
- TensorFlow
- 모두의 딥러닝
- 모두의 딥러닝 예제
- 가우시안 필터링
- c언어
- 파이토치 강의 정리
- C언어 공부
- 팀프로젝트
- MFC 프로그래밍
- 미디언 필터링
- 골빈해커
- 해리스 코너 검출
Archives
- Today
- Total
목록RBF 뉴런 (1)
ComputerVision Jack

멀티 퍼셉트론에서는 입력 갑과 가중치들의 곱이 뉴런의 활성화를 결정하는 임계 값 보다 높은지 낮은지에 따라서 은닉노드 활성화를 결정한다. 즉, 입력 값이 비슷하다면 비슷한 반응이 나타나기 때문에 같은 뉴런이 반응을 나타낸다. 1.수용 영역 수용영역(receptive field) 노드들이 입력과 어느 정도 가깝다면 활성화 해야한다는 아이디어 뉴런의 활성화를 계산하는 가중치 공간(Weight Space)의 개념을 사용하여 입력 값들을 추상적으로 같은 차원의 그래프에 표현하고, 입력과 가까운 뉴런일수록 더 활성화하는게 좋은 방법 이 방법에 대해 근거를 수용영역을 통해서 알 수 있다. 뉴런의 수용영역이 입력 값이 가깝다면 강력하게 멀어질수록 약해지다가 아주 멀어지면 사라지도록 가우시안을 이용해서 모델을 만들 수..
DeepLearning/머신러닝 - Algorithm
2020. 3. 10. 21:39