반응형 강화학습2 개요 머신러닝의 일반적 개념 이해하기 세 종류의 학습과 기본 용어 알아보기 성공적인 머신러닝 시스템을 설계하는 필수 요소 알아보기 데이터 분석과 머신러닝을 위한 파이썬을 설치하고 설정하기 머신러닝의 세종류 지도학습 레이블된 데이터, 직접 피드백, 출력 및 미래예측 비지도학습 레이블 및 타깃 없음, 피드백 없음, 데이터에서 숨겨진 구조 찾기 강화학습 결정과정, 보상시스템, 연속된 행동에서 학습 지도학습 분류(classification) 과거의 관측을 기반으로 새로운 샘플의 범주(category)형 클래스 레이블을 예측하는 것. 클래스 레이블은 이산적이고 순서가 없어 샘플이 속한 그룹으로 이해가 가능하다. 종류는 이진분류(2개), 다중분류(3개 이상) 이 있다. 회귀(Regression) 연속적인 출력 값을 예측.. 2021. 5. 25. 딥러닝 딥러닝의 특징 과제 가능성 최근 딥러닝 기술들 심층신경망 위와 같이 구성된 CNN을 만들어보자 여기에서 사용되는 합성곱 계층은 3X3 크기의 필터고 층이 깊어지면서 채널 수가 늘어나는 것이 특징이다. (합성곱 계층 채널 수는 16, 16, 32, 32, 64, 64로 늘어난다) 풀링계층을 추가하여 중간 데이터의 공간 크기를 줄여 간다. 3X3의 필터를 사용한 합성곱 계층 활성화 함수는 ReLU 완전연결 계층 뒤에 드롭아웃 계층 사용 Adam을 사용해 최적화 가중치 초기값은 'He'의 초기값 import sys, os sys.path.append(os.pardir) # 부모 디렉터리의 파일을 가져올 수 있도록 설정 import pickle import numpy as np from collections i.. 2021. 5. 23. 이전 1 다음 반응형
