Notice
Recent Posts
Recent Comments
Link
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
- GoogLeNet
- mlops
- Linear algebra
- pytorch
- Python
- 분포 가설
- 1x1 Convolution
- 시소러스
- 상호 정보량
- Long Short Term Memory
- Charlse Severance
- excel
- 차원 감소
- convolution
- skip-gram
- Multi-Layer Perceptron
- nn.Module
- pythonForEverybody
- py4e
- deep learning
- CBOW
- 파이썬
- 벡터 간 유사도
- f1-score
- 동시발생 행렬
- Gated Recurrent Unit
- docker
- object detaction
- 선형대수
- dl
Archives
- Today
- Total
목록Multi-Layer Perceptron (1)
Tech & TIL
02 - Neural-Network (MLP - Multi-Layer Perceptron)
Linear Neural Networks Linear Neural Network에서는 Data가 주어졌을 때, Data들을 가장 잘 표현할 수 있는 y = wx + b 식을 근사해야 하는 것이다. 모든 점들을 가깝게 지나가는 직선을 구하기 위해서는 기울기와 y절편을 구해야 한다. 먼저, 모든 데이터를 모델 식에 대입한 후 y_hat 벡터를 구한다. y_hat과 실제 output 값인 y의 차를 제곱해서 평균을 낸 값을 Loss로 정의하고 Loss를 줄이기 위해 Backpropagation 기법을 사용해서 Loss를 최소화한다. Loss를 최소화하기 위해서는 Loss를 각각 w와 b에 대해 편미분을 해줘서 편미분된 값을 활용해서 Loss function을 극소값을 찾아 데이터를 가장 잘 표현하는 y = w..
Boostcamp - AI tech/DL Basic
2021. 8. 10. 00:00