λ³Έλ¬Έ λ°”λ‘œκ°€κΈ°

전체 κΈ€

(154)
벑터 | Vector @벑터 -크기와 λ°©ν–₯을 λ™μ‹œμ— λ‚˜νƒ€λƒ„ ​-μ†λ„λŠ” 벑터 ​ ​ @벑터 ν‘œν˜„ 일반적으둜 2차원이라면 숫자 2개둜 벑터 ν‘œν˜„ 각 차원에 λŒ€ν•΄ μ–Όλ§ˆλ§ŒνΌ μ›€μ§μ˜€λŠ”μ§€. ​ ​ @μ‹€μ’Œν‘œκ³΅κ°„(real coordinate space) -2차원 μ‹€μˆ˜μ’Œν‘œκ³΅κ°„μ€ μ‹€μˆ˜κ°’μ„ κ°€μ§„ λͺ¨λ“  2-νŠœν”Œμ„ 말함 (all possible real-valued 2-tuples) ​ ​ @νŠœν”Œ -μˆœμ„œκ°€ μ •ν•΄μ§„ μˆ«μžλ“€μ˜ 리슀트 -2-νŠœν”Œμ€ 숫자 2개의 μˆœμ„œλ¦¬μŠ€νŠΈμ΄μž μ‹€μˆ˜ 2개의 μ‹€μˆ˜λ¦¬μŠ€νŠΈκ°€ 됨 @λ²‘ν„°μ˜ λ§μ…ˆ, κ³±μ…ˆ -같은 μ–‘μˆ˜λ₯Ό 곱해쀄 경우 λ°©ν–₯은 λ³€ν•˜μ§€ μ•Šκ³  크기만 변함 -음수λ₯Ό 곱해쀄 경우 λ°©ν–₯이 λ°˜λŒ€λ‘œ λ³€ν•˜κ³  크기도 변함 ​ -슀칼라의 곱은 벑터λ₯Ό ν™•λŒ€ν•¨ @λ‹¨μœ„ 벑터(Unit Vector) -μ„ ν˜•λŒ€μˆ˜ν•™μ—μ„œ λ‹¨μœ„ λ²‘ν„°λŠ” 길이가 1인 벑터λ₯Ό 뜻..
신경망(Neural Network), μ§€λ„ν•™μŠ΅(Supervised Learning) @λ”₯λŸ¬λ‹(DeepLearning) -신경망을 ν•™μŠ΅μ‹œν‚€λŠ” 것 ​ ​ @주택 가격 예츑 예제 -더 큰 신경망은 더 λ§Žμ€ μ΄λŸ¬ν•œ λ‰΄λŸ°λ“€λ‘œ 이루어져 있고, 그것듀을 μŒ“μ•„λ†“μ€ λͺ¨μ–‘μž„ -μž…λ ₯ νŠΉμ„±λ“€μ„ κ°€μ§€κ³  신경망은 y(가격)을 μ˜ˆμΈ‘ν•¨ -각 원듀은 μ‹ κ²½λ§μ˜ 은닉 μœ λ‹›μ΄λΌκ³  뢈림 μœ„ μ˜ˆμ œμ—μ„œ 각각의 은닉 μœ λ‹›μ€ 4개의 μž…λ ₯을 λ°›μŒ -μΆ©λΆ„ν•œ μ–‘μ˜ x와 yλ₯Ό ν›ˆλ ¨ 예제둜 μ€€λ‹€λ©΄ 신경망은 xλ₯Ό y둜 μ—°κ²°ν•˜λŠ” ν•¨μˆ˜λ₯Ό μ•Œμ•„λ‚΄λŠ”λ° λ›°μ–΄λ‚  것 ​ ​ @지도 ν•™μŠ΅(Supervised Learning) -λ¨Έμ‹ λŸ¬λ‹μ˜ 방법은 지도 ν•™μŠ΅, 비지도 ν•™μŠ΅ λ“± μ—¬λŸ¬ μ’…λ₯˜κ°€ 있음 -지도 ν•™μŠ΅μ΄λž€ 정닡이 μ£Όμ–΄μ ΈμžˆλŠ” 데이터λ₯Ό μ‚¬μš©ν•΄ 컴퓨터λ₯Ό ν•™μŠ΅μ‹œν‚€λŠ” 방법 -뢄야에 따라 μ μš©λ˜λŠ” 신경망이 닀름 ​ ​ @Supervised Learning with ..

Tiny Star