[태그:] Deep Learning

1. 딥러닝 망각 문제 극복, 중첩 학습의 개요 중첩 학습 (NL, Nested Learning) (1) 기존 딥러닝 모델의 문제점과 중첩 학습의 필요성 (2) 중첩 학습의 개념 및 특징 개념 특징 기존 딥러닝 모델의 망각 문제 극복 위해 계층적/연관 기억, CMS, HOPE 아키텍처 기반 지속 학습을 제공하는 인공지능 학습 패러다임 – 기존 학습 모델의 망각 문제 극복

1. 인간의 지능을 모방한 기술, 인공지능의 개요 (1) 인공지능 (Artificial Intelligence)의 개념 및 특징 개념 인간의 지능을 모방하여 문제를 해결하거나 아이디어를 도출하는 기술 특징 – 인간처럼 사고/행동 (Thinking/Acting Humanly) – 합리적으로 사고/행동 (Thinking/Acting Raionally) (2) 인공지능과 기계 학습, 딥러닝과의 관계 인공지능 (Artificial Intelligence) 인간의 지능을 모방하여 인간처럼 사고/행동하는 가장 큰 범위를 포괄하는 개념 기계 학습

I. 하이퍼파라미터의 개념 최적의 딥러닝 모델 구현을 위해 학습률이나 배치크기, 훈련 반복 횟수, 가중치 초기화 방법 등 인간의 선험적 지식을 기반으로 딥러닝 모델에 설정하는 변수   II. 하이퍼파라미터의 종류 종류 설명 적용 시 고려사항 학습률 (Learning Rate) gradient의 방향으로 얼마나 빠르게 이동할 것인지 결정하는 변수 – 너무 작으면 학습의 속도가 늦고, 너무 크면 학습 불가