🖥 dev-ruby

계획수립 주어진 계획수립 문제의 임의의 초기 상태에서 목표 상태 중의 하나로 도달할 수 있게 하는 일련의 행동을 생성하는 것 로봇의 계획 수립 움직임 계획수립 : 원하는 움직임 작업을 수행하도록 제약조건을 만족시키면서 최소 비용으로 일련의 움직임을 찾아내는 일 경로 계획수립 : 시작 위치에서 목적 위치로 가기 위해 관절이나 바퀴를 이동시킬 순차적인 위치를 결정하는 일 궤적 계획수립 : 주어진 경로와 제약조건을 고려하여 매 시점의 관절 등의 위치, 속도, 가속도를 결정하는 일 계획수립 문제의 구성요소 초기상태에 대한 명세 원하는 목표 상태에 대한 명세 가능한 행동들에 대한 명세 계획수립 문제의 형태 1. 고전적 계획수립 가장 간단한 계획수립 문제 부류 기본전제 초기 상태는 하나만 주어진다. 행동들은 지속시..

Alexnet모델 ReLU함수를 사용한 첫 모델 FC층에서 드롭아웃 기법 사용 최대값 풀링 사용 마지막층 소프트맥스 사용 Quiz 1x1 컨볼루션에서 컨볼루션 필터는 깊이 방향의 1차원 배열 형태를 갖는다. (X) 컨볼루션 층의 출력으로 만들어지는 채널 개수는 컨볼루션 필터의 개수와 같다. (X) 디컨볼루션이 적용되면 입력보다 더 큰 출력이 만들어질 수 있다. (O) 팽창 컨볼루션을 적용하면 더 넓은 영역의 특징 추출할 수도 있다. (O) 공간 분할 컨볼루션인 경우 학습되어야 하는 컨볼루션 필터의 파라미터가 더 많다. (X) 깊이별 분할 컨볼루션은 채널별로 컨볼루션을 한 다음, 1x1 컨볼루션을 적용한다. (O)

PyTorch Python으로 기존 딥러닝 프레임워크 Torch를 구현한 것 TensorDataSet() 배열 쌍을 대응되는 원소끼리 결합하여 하나의 데이터 집합 생성 TensorLoader() TensorDataSet객체를 학습 및 추론에 사용하기 편리한 객체로 변환 계산 그래프 연산과정을 data flow로 나타낸 그래프 구조 전방향 계산을 통해 연산을 수행하고, 역방향 계산으로 그레디언트를 구할 수 있음

컨볼루션 신경망 전반부 : 컨볼루션 연산을 수행하여 특징 추출 후반부 : 특징을 이용하여 분류 영상분류, 인식 등 인식 문제에 높은 성능 컨볼루션 일정 영역의 값들에 대해 가중치를 적용하여 하나의 값을 만드는 연산 스트라이드 : 커널을 다음 컨볼루션 연산을 위해 이동시키는 칸 수 패딩 : 컨볼루션 결과의 크기를 조정하기 위해 입력 배열의 둘레를 확장하고 0으로 채우는 연산 특징지도 컨볼루션 필터의 적용 결과로 만들어지는 2차원 행렬 k개의 컨볼루션 필터를 적용하면 k개의 2차원 특징지도 생성 풀링 일정 크기의 블록을 통합하여 하나의 대푯값으로 대체하는 연산 최대값 풀링 : 지정된 블록 내의 원소들 중에서 최대값을 대푯값으로 선택 평균값 풀링 : 블록 내의 원소들의 평균값을 대푯값으로 사용 확률적 풀링 :..

딥러닝 다수의 층을 갖는 신경망 구조 사용 복잡한 구조의 신경망을 학습시키기 위해 많은 데이터와 컴퓨팅 자원 필요 기존 기계학습 보다 뛰어난 성능 일반 신경망 : 소수의 은닉층 포함 - 학습이 잘 안됨 특징 추출한 특징 벡터를 신경망 학습의 입력으로 사용 딥러닝 신경망 : 다수의 은닉층 포함 특징 추출과 신경망 학습을 함께 수행함 기울기 소멸 문제 은닉층이 많은 다층 퍼셉트론에서 출력층에서 아래 층으로 갈수록 전달되는 오차가 크게 줄어들어 학습이 되지 않는 현상 기울기 소멸 문제 완화 시그모이드나 쌍곡 탄젠트 대신 ReLU함수 사용 ReLU함수 사용과 함수 근사 함수를 부분적인 평면 타일들로 근사하는 형태 출력이 0 이상인 것들에 의해 계산되는 결과 가중치 초기화 신경망의 성능에 큰 영향을 주는 요소 보..