문계 출신의 프로그래머이지만, 기계 학습이 유행하고 있기 때문에,
첫 단계로서 대학만에 미분 적분을 조금 공부해 보았습니다.

기계 학습이란? ?

로봇이나 컴퓨터와 같은 기회가 경험 (학습)에서 행동하는 매개 변수를 자동으로 획득하는 방법

데이터에서 보이는 것에서 보이지 않는 것을 예측하는 방법

그렇듯이, 많은 데이터를 기계에 학습시킴으로써,

향후 예측을 세우기

비슷한 문제를 주었을 때 기회가 자동으로 대답을 해준다.

이렇게하는 것입니다.

음 - 지금은 모르겠다. . . . .
자꾸 말하면,
기계에 많은 것을 경험시키는 것으로, 기계에 마치 인간처럼 판단력을 획득하는 것 같습니다.

딥러닝

「딥 러닝」이란 「심층 학습」이라고도 불리는 기계 학습법의 하나로,
입력된 데이터로부터 클래스 분류나 회귀를 하는 수법입니다.

또 딥 러닝은 사람의 뇌에 있어서의 지식 획득에 가까운 구조를 실현할 수 있는 것을 알고 있습니다.
이 사람에 가까운 하이 레벨의 학습 기능과 PC 본래의 강점인 계산력을 살려 인간에서도 발견하거나 예측할 수 없었던 일을 해주는 것이 딥 러닝인 것 같습니다.

이번은 기계 학습이나 딥 러닝을 배울 때에 알아야 할, 기본적인 구조인,
신경망에 대해 배우기 위해 근본적인 퍼셉트론과 다층 퍼셉트론에 대해
배우고 싶습니다.

퍼셉트론이란?

시각 및 뇌 신경 세포의 기능을 모델링 한 것

위 그림과 같이 여러 입력에서 하나의 출력을 수행하고 이것을 반복하여 모델을 학습하는 것 같습니다!

다층 퍼셉트론

퍼셉트론을 계층적으로 구성한 것입니다.



이런 느낌 같아요 웃음
위 그림과 같이 입력층에 준 값을 전파시켜 갑니다.

오차 역전파법이란?

얻어진 출력 결과로부터, 교사 데이터와의 오차를 산출해, 파라미터로서의 가중치를 조정해, 조정된 값을 바탕으로 또 뒤의 노드에 갱신을 전해 갑니다.

갱신량 Δw는 이하의 식으로 구해진다.

△w = −η\frac{δE}{δw}

오차가 크면 갱신량을 크게, 오차가 작으면 갱신량을 작게 하기 위해,
위의 기울기를 찾습니다.

중간에 있지만 오늘은 여기까지