[태그:] ReLu

I. 분류와 예측 모형, 인공신경망, ANN 가. 인공신경망의 개념 인간의 뉴런을 모방하여 가중치 조정을 통한 분류와 예측을 위해 다수 노드를 연결한 계층적 조직 나. 인공신경망의 특징 특징 구성요소 예를 통한 학습 – 예를 계속 제시하여 원하는 형태 학습 일반화 – 학습 후 미학습된 입력에도 올바른 출력 연상기억 – 일부 유실된 정보 → 유사한 출력 결함

I. 2차원 이미지 분석, CNN 가. CNN의 개념 Convolution, Pooling, Fully Connected layer를 통해 특징 추출, 차원 축소하여 이미지를 분류, 인식하는 신경망 알고리즘 나. CNN의 특징 ReLU – Rectified Linear Unit 활성화 함수 – Gradient Vanishing 문제 해결 Dropout – 인공 신경망의 Overfitting 방지 위해 특정 뉴런 미동작 학습 수행 Bigdata – 과적합(Overfitting) 문제 해결

I. 인공신경망 학습기법, 오류 역전파 가. 오류 역전파의 개념 역방향 가중치 조정을 통해 오차를 최소화하여 신경망 학습을 위한 지도학습 알고리즘 나. 오류 역전파의 특징 감독 학습 – input과 output 훈련데이터셋을 통해 신경망을 학습시키는 방법 다층 신경망 – 여러 개의 은닉층(hidden layer)를 통해 활성함수를 적용하여 계산 역방향 계산 – 출력층으로부터 입력 방향으로 거슬러 가며 오차를 최소화하는