분류 전체보기 (83) 썸네일형 리스트형 [인공지능 연구동향] Convolutional_Neural_Netwrok_구조 사례 분석 Case Study 98 년도 LeNet - 5 주 목적은 손으로 쓴 글자나 숫자를 인식하는 것 ConvNet을 활용하여 local receptive field, weight sharing을 적극 활용하고자 했던 사례 2012년 AlexNet 8개의 layer, activation function으로 ReLu를 사용, L2규제와 weight decay 적용 현재 convNet 구조에 사용되고 있는 많은 기법이 Alexnet에서 부터 사용 됨 에러율이 크게 줄어듦으로 써 convNet을 파고드는 계기가 됨 이후로는 좀 더 깊은 네트워크 구조를 만드는 데 초점을 맞추기 시작함. 네트워크가 깊으면 깊을수록 더 많은 nonlinearity가 추가되고, 표현할 수 있는 linear region의 조합이 다채로워짐.. [인공지능 연구동향] Convolutional_Neural_Netwrok_기본 CNN이 필요한 이유 neural network Neural Network 구조는 input data의 형태에 대해 크게 초점을 맞추지 않음 임의의 Vectorized된 input이 들어왔을때 결과를 확인하는 정도 였음. 초점을 image에 맞추면 CNN이 필요함. CNN 사람은 물론 다양한 정보를 활용하여 행동을 결정, 주로 시각적인 정보를 폭넓게 활용 사람의 얼굴 인식, 차선과 앞뒤차량 인식, 수술 및 진단 등에 사용 이미지를 Neural Network 구조에 Input으로 바로 집어 넣으려면? 문제점 이미지는 픽셀로 이루어진 2d grid 형태 1024 x 768 사이즈의 이미지는 가로로 1024개, 각 가로마다 세로로 768개의 픽셀로 이루어져 있음 한 픽셀에는 RGB에 대한 정보도 담겨 있음 (.. [인공지능 연구동향] Neural_Networks_학습_방법과_이슈 Neural Networks 학습 방법과 이슈 신경망은 Gradient기반의 optimization기법 사용 gradient는 각 input에 따른 output의 변화량을 나타낸다. Gradient descent recap optimization 진행 gradient를 계산하고 그 반대 방향으로 업데이트를 진행한다. 너무 큰 learning rate는 loss값을 발산시킨 너무 작으면 학습속도를 지나치게 느리게 하고 global minima에 도달하는데 어려움을 겪을 수 있음 딥러닝의 학습을 가능하게 만드는 주요 알고리즘이다. 어떤 종류의 smooth enough한 function에서도 잘 동작 특정 조건에 따라 non-smooth function에서도 업데이트 가능 local optimum에 빠지는 문.. [인공지능 연구동향] Neural_Netwrok_기본 Neural Networks 기본 개요 딥러닝을 배우는 이유 딥러닝은 다양한 분야에서 다양한 Task를 수행하기 위해 사용 함. 컴퓨터 비전 뿐 아니라 자연어 처리(GPT3), 음성처리(웨이브넷) 분야에서도 놀라운 성능을 보여주고 있음 또한, 게임(체스, 바둑, 도타, 스타크래프트) 분야나 제어분야 (자율주행차량) 에서도 널리 사용되고 있음. 딥러닝이 다양한 분야에서 성공을 거두는 것에 도움 준 요소들 *컴퓨팅 파워의 향상 *(특히 GPU) : GPU는 컴퓨터 그래픽을 처리하기 위한 장치로 CPU에 비해 굉장히 많은 코어를 가지고 있기 때문에 기계학습에 사용되고 있다. 딥러닝의 주요 연산은 행렬곱셈으로 이루어져 있기 때문에 병렬화 하기 매우 용이하기 때문. 최근에는 벡터, 행렬연산에 최적화된 Tensor.. [인공지능 연구동향] Deep Learning OverView Deep Learning OverView 딥러닝 정리 딥러닝은 데이터로부터 유용한 패턴을 추출한다 이를 위해서 Neural Network나 Gradient 기반의 Optimization을 이용한다. 딥러닝을 구연하고 활용하는 측면에서 주로 Python을 사용한다. Python : 문법이 쉬우며 딥러닝을 구현할 수 있는 라이브러리가 잘 구현되어 있다. Tensorflow, Pytorch : 딥러닝을 사용하는데 도움을 주는 라이브러리 , 지속적인 업데이트로 점점 더 많은 기능을 제공하고 있다. 딥러닝을 실제로 활용하는 부분에서 어려움을 겪을 부분은 좋은 질문과 좋은 데이터를 만드는 것 따라서 문제를 잘 정의하고 접근할 필요가 있다(Hard Part : Good Question + Good Data) 현재 시.. [인공지능 연구동향]인공지능의 역사 인공지능의 역사 인류는 인간의 역사 속에서 인공의 지능을 가진 무언가에 대해서 계속 상상을 해왔다. 이러한 상상은 굉장히 오래 되었는데 거의 최초로 등장한 것은 그리스 신화의 청동거인 '탈로스' 이다. 흔한 판타지 소설,만화등에 나오는 골렘과 비슷한 것인데, 주변을 능동적으로 감시하고 공격을 막는 고대인들이 상상한 인공지능이라고 할 수 있다. 이 뿐만 아니라, 중국, 그리스 , 인도 등 다양한 국가의 고대 철학자는 인간의 지능을 체계화하고 분석하고 이해하고자 하는 많은 시도를 해 왔다. 최근들어서 인공지능에 대한 상상력은 더욱더 발전하고 정교해져 영화로도 제작되어 상상을 구현했는데, 이것은 우리의 삶에 어떠한 영향을 줄 수 있는지에 대한 가능성을 보여준다. 인공지능의 발전 1700년대 산업시대 산업혁명으.. [Java Programming] 객체지향 핵심 원리(8) ■ 예외 처리 예외(Exception)의 개념 오류 Error : 프로그램으로 처리할 수 없어 프로그램이 중단됨 Exception : 프로그램 실행 중 발생할 수 있는 가벼운 사건, 프로그램적으로 얼마든 처리할 수 있는 오류 자바에서 예외가 발생하는 경우 정수를 0으로 나누는 경우 (ArithmeticException) 배열의 인덱스가 음수인 경우 배열의 인덱스가 배열의 길이를 넘어서는 경우 (ArrayIndexOutOfBoundsException) 부적절한 형변환이 발생하는 경우 입출력 시 Interrupt가 발생하는 경우 입출력을 위해 필요한 파일이 존재하지 않는 경우 (IOException) 예외 발생 시 처리 과정 프로그램 실행 중 예외 발생 JVM은 해당 예외 상황의 해당 예외 객체를 생성하여 .. [Java Programming] 객체지향 핵심 원리(7) 인터페이스와 패키지 ■ 인터페이스와 다형성 인터페이스 추상 클래스보다 추상성이 더욱 심화된 개념 멤버변수는 모두 상수형 메서드는 모두 추상 메서드로 선언 사용 이유 두가지 클래스의 특성을 가지는 클래스를 만들기 위해 다중상속이 불가능한 대신 인터페이스 제공 public interface 인터페이스명 extends 부모인터페이스명, ...{ // 상수 (final 예약어 사용) // 추상 메서드 (인터페이스는 객체생성이 불가능하므로 상수에 static 예약어 필요 } public interface Drawable{ // 인터페이스의 경우 public static final int PLAIN_PEN = 1; // static final 생략 가능 public static final int BOLD_PEN =.. 이전 1 ··· 6 7 8 9 10 11 다음 목록 더보기