Please enable JavaScript.
Coggle requires JavaScript to display documents.
인공지능과 학습(1203 권회주) - Coggle Diagram
인공지능과 학습(1203 권회주)
딥러닝으로 손 글씨 분류하기
-
데이터 수집 및 전처리하기
- 손 글씨 숫자를 구별하는 딥러닝 모델을 만들기 위해서는 손 글씨 숫자 데이터셋이 필요하다 여기서는 손 글씨 데이터셋인 MNIST 데이터 셋을 사용한다.
- 우선 훈련 데이터와 테스트 데이터가 잘 분리되어 저장되었는지 SHAPE으로 데이터의 규모와 저장 형태를 확인하고 맷플롯립 라이브러리의 plt.imshow() 함수로 MNIST의 훈련 데이터중 첫 번째 이미지를 확인해 보자.
- 테이터 탐색 후에는 데이터 전처리가 필요한지 따져 보아야 한다. 앞에서 확인한 MNIST 데이터 셋은 다음과 같은 전처리 과정이 필요하다.
성능 평가하기
모델의 학습 결과를 테스트하기 위해 evaluate() 함수로 성능을 확인한다. 이때 훈련 데이터가 아닌 테스트 데이터를 상용해야 한다.
MNIST와 같은 간단한 데이터는 은닉층이 하나인 모델을 사용해도 좋은 성능을 보여준다 하지만 이보다 더 복잡한 문제를 해결하기 위해서는 은닉층을 추가하여 깊은 인공신경망을 구성해야 한다.
딥러닝과 알고리즘 선정하기
1 .본격적으로 인공신경망 구조를 정의하고 설계한다.
- 인공신경망 모델에 add() 함수로 블록을 쌓듯 신경망에 필요한 만큼의 층을 추가한다.
- 훈현 데이터인 X_train과 Y_train을 fit() 함수에 입력한다
-
-
딥러닝의 이해와 활용
인공신경망과 딥러닝
인공신경망과 퍼셉트론
인공신경망은 인간의 신경망 구조를 모방하여 컴퓨터로 처리할 수 있도록 구현한 것이고 퍼셉트론은 이러한 인공신경망을 실제로 구현한 연상장치로서, 여러 개의 입력값을 처리하여 하나의 결괏값인 0 또는 1을 출력하는 인공신경망의 가장 작은 단위이다.
-
딥러닝의 학습 원리
딥러닝에서 학습한다 라는 것은 가중치와 편향을 찾아가는 과정을 의미하며, 학습의 최종 목표는 최적의 가중치와 편향을 찾는 것이다.
-