Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- mnist
- 소인수분해
- 오토인코더
- Autoencoder
- SQL
- A Neural Algorithm of Artistic Style
- 오일러 프로젝트
- 수달
- Gram matrix
- deep learning
- Python
- 히토요시
- project euler
- bayesian
- 베이지안
- 역전파법
- 신경망
- CNN
- 소수
- 합성곱 신경망
- 냥코 센세
- 자전거 여행
- 역전파
- neural network
- Convolutional Neural Network
- 전처리
- c#
- 비샤몬당
- 딥러닝
- backpropagation
Archives
- Today
- Total
목록Binary Data (1)
통계, IT, AI
딥러닝: 화풍을 모방하기 (5) - 연습: 이진 분류 문제
1. 개요- 변수가 2개이며 종속변수가 이진형인 경우를 생각해보자. 신경망은 그림 1과 같다.- 훈련데이터의 수는 200으로 한다. - 출력이 이진형이므로 활성함수는 sigmoid로 한다. - 즉, \(u_1=w_{11}x_1+w_{12}x_2+b_1\)이며 \(z_1=f(u_1)=1/(1+exp(-u_1))\)이다. - \(x_1\)과 \(x_2\)는 \(U(-1,1)\)에서 각각 독립적으로 생성한다.- 출력 \(d\)는 아래와 같이 정의한다. 단, \(\varepsilon\)은 \(N(0, 0.3^2)\)를 따른다.\begin{eqnarray}d = \begin{cases} 1 & \text{if } x_2 > x_1 + 1 + \varepsilon \\ 0 & \text{otherwise} \end..
머신러닝
2017. 2. 1. 20:54