본문 바로가기

딥러닝2

[밑바닥부터 시작하는 딥러닝] 신경망 출력층 1. 항등 함수 y=x 로 입력이 그대로 출력되는 함수이다. 2. 소프트맥스 함수 ​​ 소프트맥스 함수의 최종 수식이다. 소프트맥스 함수는 원래 아래 C'의 상수항이 없는 함수이지만 넣어도 값은 동일하다. 상수를 넣는 이유는 소프트맥스 함수를 그냥 계산할 시에 숫자가 너무 커는 오버플로 현상이 생기기 때문이다. 이를 이용해 다음과 같은 형식으로 소프트맥스 함수를 구현할 수 있다. def softmax(a): c = np.max(a) exp_a = np.exp(a-c) sum_exp_a = np.sum(exp_a) y = exp_a / sum_exp_a return y 적용하여 계산하면 다음과 같은 결과가 나온다. a = np.array([1010,1000,990]) y = softmax(a) print(.. 2021. 10. 21.
[밑바닥부터 시작하는 딥러닝] 퍼셉트론, 신경망 퍼셉트론 정의 퍼셉트론 : 많은 input을 입력받아 하나의 output 을 출력하는 것 뉴런 or 노드 : 신호값 (0 또는 1) 가중치 : 노드가 input 값으로 보내질 때 곱해지는 값 임계값 : output이 1이 되게 하는 어떤 값 (input 신호의 합이 임계값을 넘어서면 output이 1이 된다) 편향 : 결과값에 더해지는 값 (일차 함수에서 상수항) 퍼셉트론의 한계 일차 함수이기 때문에 직선으로만 표현이 가능하다. 따라서 직선 하나로 나눈 영역만 표현할 수 있다. 다층 퍼셉트론 뜻 : 여러 퍼셉트론을 층으로 쌓은 것 ex) XOR은 하나의 퍼셉트론으로 표현이 불가능하기 때문에 다음과 같이 NANA, OR, AND 를 쌓아서 만들어야 한다. XOR = ((NAND) AND (OR)) 신경망 .. 2021. 10. 21.