[카테고리:] AI
-
[Paper Review] – Neural Machine Translation by Jointly Learning to Align and Translate
/
/ AIRead More →: [Paper Review] – Neural Machine Translation by Jointly Learning to Align and Translatehttps://raebimoc.notion.site/Neural-Machine-Translation-by-Jointly-Learning-to-Align-and-Translate-0315b8c0d93349119869679b3ce2b446
-
[Paper Review] – Sequence to Sequence Learning with Neural Networks
/
/ AIRead More →: [Paper Review] – Sequence to Sequence Learning with Neural Networkshttps://raebimoc.notion.site/Sequence-to-Sequence-Learning-with-Neural-Networks-8a6978c1dbf24787835063f7f30b7b12
-
AI study – week 4
/
/ AIRead More →: AI study – week 41. CNN 이번에는 CNN 에 대해서 알아볼 차례이다. NN (Neural Network) 은 지난 시간에 Spiral data 를 Classify 하기 위해서 사용했었는데, 간단히 정리해보자면 데이터가 입력계층, 은닉계층, 출력계층을 거치며 가중치에 따라 출력이 정해지게 되는 구조이다. (각각의 Class 가 될 확률을 출력) 물론 앞서 실습해보았던 $x, y$ 좌표에 따른 Class 는 Quantitative data 였기에, 별 고민 없이…
-
AI study – week 3
/
/ AIRead More →: AI study – week 3이번 포스팅은 ML 에 대한 다양한 개념들이 등장하기에 조금 난잡할 수도 있어 천천히 읽어주시면 감사하겠습니다..ㅎㅎ 저도 처음 공부하는지라 순서들이 뒤죽박죽일수도 있어 양해 부탁드립니다 !! 1. BGD의 한계 전 포스트에서 말했듯이, Gradient descent 에는 아래와 같이 크게 4가지 약점이 존재한다. (흔히 일반적인 GD 방식을 Batch Gradient Descent (BGD) 라고 부른다.) 차례대로 살펴보자. 1) 과도한 연산량 &…
-
AI study – week 2
/
/ AIRead More →: AI study – week 21. Gradient Descent (경사하강법) 이번에는 Linear Regression 에 대해서 실습을 해보기로 하자. 지난번에는 단순히 경사하강법을 실습해보기 위하여 $y = x^2$ 라는 식을 두어 $(2, 4)$ 좌표에서 시작하여 함수의 min 값인 $(0, 0)$ 까지 기울기에 비례하여 움직임으로써 도달할 수 있었다. 이번에는 실제로 선형 회귀에서의 점들을 이용하여 $y = mx + b$ 에서의 $m$과 $b$ 를 기준으로…
-
AI study – week 1
/
/ AIRead More →: AI study – week 11. Regression AI 개념 중 가장 기본이 되는 것은 regression, 즉 회귀 분석이다. 회귀의 뜻은 “다시 돌아온다” 라는 뜻으로, 결국 평균으로 돌아옴을 의미한다. 우리가 흔히 들어봤을 선형 회귀 분석은 여러 x, y 쌍들에 대하여 가장 오차가 적은 선형 그래프를 찾아내는 분석법이며, 결국 이는 후에 x값이 주어졌을 때, y의 대략적인 값을 예측할 수 있게 한다. 이…