본문 바로가기

AI33

신호 그래프의 Feature 값 표현하기 안녕하세요! FoxyHyun입니다 오늘은 신호 그래프(sin, cos)의 측정 값들을 점을 찍어 그래프로 표현해보겠습니다. 다만, 여러 개의 측정 값들의 평균이 아닌, 각 범위마다 평균, 분산을 구하여 그래프로 나타내볼거에용 linspace로 1부터 100까지 1000개의 샘플로 나눠줍니다. x1, x2, x3는 각각 신호 그래프를 나타냅니다. 이름 그래프로 그려보면 다음과 같습니다. scatter 함수를 이용해서 표현하였습니다. 각 x의 0~50, 51~100 ......950~1000까지의 범위에 대한 평균과 분산을 scatter함수로 점을 찍고, color를 설정하여 그래프를 표현합니다. 점이 어느정도 분류되어 표현되었네요! 신호 그래프의 x값을 범위를 나눠 그래프로 표현해보았습니다. 감사합니다 2022. 9. 28.
[AI 개념 다지기] Activation Function(Sigmoid) 안녕하세요! 오늘은 ANN의 구성 요소 중 하나인 활성화 함수에 대해서 알아보겠습니다! 출력신호를 뉴런에서 내보낼지 말지를 결정을 하는 것을 활성화 함수(Activation Function)라고 부릅니다. 여러 종류의 활성화 함수가 있고, 활성화 함수의 결정이 결과에 큰 영향이 생깁니다. 먼저 Odds 함수 입니다. 확률이 1에 가까워질수록 무한대의 값을 갖는 것이 특징입니다. 하지만, 0.5라는 확률에도 odds가 대칭적이지 않기 때문에, 우리는 odds에 새로운 개념을 넣어봅니다.. Logit 함수라는 것인데 0.5를 기준으로 위아래로 대칭이 되는 것을 볼 수 있습니다. 이 Logit 함수를 토대로 식을 정리하면, l의 값이 -무한대부터 +무한대 사이에 값이라고 한다면 출력 결과 p는 0과 1사이의 .. 2022. 8. 3.
[AI 개념 다지기] Dense Layer 안녕하세요 Foxy현입니다. 오늘은 Layer라는 개념에 대해서 배우고 Jupyter로 구현해보겠습니다! 인공신경망의 가장 기본이 되는 내용중 하나이므로 꼭 이해하고 넘어가셨으면 좋겠습니다 먼저, Layer는 뉴런들의 집합입니다. 또 필터들의 묶음이라고 말할 수 있습니다. 각각 서로 다른 Paramatric Function을 가지고 있는 묶음입니다! 서로 다른 PF가 들어가기 때문에 각 뉴런에서는 서로 다른 출력이 나올 수 있습니다. (Input이 같거나 다르더라도 각 뉴런에서의 Output은 다르다) Dense Layer는 추출된 feature들을 하나의 Layer로 모으고, 우리가 원하는 Tensor로 표현하기 위한 Layer입니다. 각 뉴런은 이전 계층의 모든 뉴런으로부터 입력을 받게 됩니다. 다시.. 2022. 8. 2.
[AI 개념 다지기] Affine Function 안녕하세요 Foxy현입니다. Articial Neuron을 만들기 위해 Activation Function과 Affine Function이라는 것이 필요합니다. 오늘은 그중 Affine Function에 대해 알아 보겠습니다. Affine Function에 대해 설명하기 앞서 Weighted Sum(가중치 합)에 대해 알아 보겠습니다. Weighted Sum은 가중치 w들을 각각의 feature x에 대해 곱하여 더하는 것을 의미합니다. 우리는 Weighted sum에 bias(b)를 더해준 것을 Affine Function이라고 부릅니다. 이때, 행 벡터 x와 열벡터 w가 하나씩 대응되어 곱해지며, 이 두 벡터의 dot product를 통해 스칼라 값을 도출하게 됩니다. 이에 bias를 더해 Affin.. 2022. 8. 1.

티스토리툴바