할 수 있다 능 (能)

퍼셉트론(ANN)입력층으로 표현하지만 실질적 연산은 일어나지 않음다층 퍼셉트론 ⇒ 출력층(뉴런의 핵심 기능인 다항연산과 시그모이드라는 function으로 이루어짐) 하나만 있다는 뜻다양한 형태의 자극 정보가 들어오면 각각의 가중치가 적용되어 최종 합산 ⇒ 출력층으로활성함수y=0 /1 출력의 결과에 의해서 다음 번 뉴런을 활성화할지말지 정해짐self attention = w의 집합w는 새로운 시각 벡터를 만들어내는거라고 이해해야함 → 수십차원일거임 1차원아님 !y’ = w1x0 + w2x1 + wx2트랜스포머는 다양한연산을 통해 다양한 관점을 보고 싶을 떄 사용하는 것가운데는 연산을 위한 노드의 개수출력은 관점 개수 ?입출력 개수 맞춰야하는데 시퀀셜이 해줌sequential에 대해 확인하기입력층 없음 ⇒ ..

MNLIST mnlistmnist 데이터셋은 handwritten digits(손글씨 숫자)로 이루어져있다.28 * 28 pixel 단위의 박스로 감싸져있고, grayscale화 되어있다.화소: 색상 정보를 가지고 있는 최소한의 단위편광기술빛의 3원소 → 섞으면 흰색검은색에서 흰색까지 256가지로 나눠서~숫자들의 나열 → 2차원1. 디지털 이미지의 표현 원리와 색상 체계그레이 스케일(Gray Scale)의 수치화:흰색(255)과 검은색(0), 그리고 그 사이의 중간 단계를 256단계의 숫자로 표현배경(테두리) 등 검은색은 0으로 채우고, 밝은 부분은 255, 232, 199 등 수치로 각 픽셀에 담음수치 범위를 벗어나는 입력값 처리: -1 등 하한값 미달은 0으로, 300 등 상한값 초과 시에는 최대치..

SVM (support vector machine)지도학습 기반 머신러닝 모델로, 주로 분류(Classification) 문제에서 사용학습 데이터를 바탕으로 **최적의 결정 경계(Decision Boundary)**를 찾는 것이 목표 가운데 선을 ⇒ 경계 백터경계선 부근에 데이터가 들어오면 예측률 감소결정 경계와 초평면 (Hyperplane)결정 경계(Decision Boundary): 각 클래스를 나누는 기준선 또는 초평면.2차원에서는 선(line), 3차원 이상에서는 초평면(hyperplane)마진(Margin) & 최대 마진 원칙마진(Margin): 초평면과 가장 가까운 학습 데이터 간의 거리.SVM은 이 마진을 최대화 하는 결정 경계를 찾는 알고리즘클래스 간 차이를 가장 크게 벌려서(간격을 넓혀서..