1. Issues with Linear Classifiers
2. Features
3. Image Features
domain knowledge를 이용해서 feature를 뽑아내고 ML Training을 할 수 있다면 그게 best
무조건 딥러닝 적용한다고 다 좋은게 아님
그래서 우리는 어떻게 저 이미지 원본 (original input X)로부터 label y (output)까지 한 번에 연결할 수 있을까?
그리고 학습을 바탕으로 파라미터를 업데이트해서 더 이미지를 잘 분류할 수 있는 classifier를 만들 수 있을까?
==> Neural Network의 도입
4. Neural Network
신경망의 가장 간단한 구조인 퍼셉트론에서 시작해서 XOR문제를 해결하기 위해 여러 개의 층을 연결함 MLP로 발전
5. Back Propagation
++ another example with logistic regression :
++ ... and Gradient Implementation
6. Back Propagation with Vectors and Matrices
(1) Back propagation with Vectors
-- example --
(2) Back Propagation with Matrices
'Study > 딥러닝' 카테고리의 다른 글
| Data Preprocessing & Augmentation (1) | 2023.10.22 |
|---|---|
| Activation Functions (0) | 2023.10.21 |
| Convolutional Neural Networks (1) | 2023.10.14 |
| Loss function & Optimization (0) | 2023.10.11 |
| Linear & Softmax Classifiers (0) | 2023.10.09 |