본문 바로가기

인공지능10

[모두의 딥러닝] #7장: XOR 문제의 극복, 다층 퍼셉트론 앞써 6장에서 우리는 하나로 이루어진 퍼셉트론의 한계점, XOR문제를 살펴보았다. 이 문제를 해결하기 위해 많은 공학자들이 많은 시간 오랜 고민, 일명 인공지능 암흑기를 겪었다고 전해진다. 과연 공학자들은 이 문제를 어떻게 해결할 수 있었을까? 이번엔 그 해결법인 다층 퍼셉트론의 등장 배경과 더불어 기본 설계와 구성에 대해 공부해보았다. XOR 문제 해결하기 실습 코드) 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 32 33 34 35 36 37 38 다층 퍼셉트론으로 XOR 문제 해결하기 (By. 은닉층) import numpy as np # 가중치(w)와 바이어스(b) w11 = np.array(.. 2022. 1. 22.
[모두의 딥러닝] #6장: 가장 작은 인공신경망 단위, 퍼셉트론 지금까지 인공신경망 구축의 기본적인 원리를 이해 하고, 인공신경망 구축을 위한 튼튼한 기초를 잡아왔다. 이제 본격적으로 인공신경망을 뜯어볼 것이다! 우선 인공신경망의 가장 작은 단위인 퍼셉트론의 개요를 알고 어떠한 한계점을 갖고, 어떻게 해결해 나갔는지에 대해 공부해보려고 한다. 이번 스터디 내용중 가장 신기했던 것은 결국 인공신경망은 인간의 뉴런을 표본으로 구축되었다는 점이었다. 이 호기심은 더 나아가 세상 수많은 인간들이 어떻게 각기 다른 생각을 하며 다른 결론에 도달하는지에 대해 생각해보게 되었다. 2022. 1. 22.
[모두의 딥러닝] #5장: 참 거짓 판단 장치, 로지스틱 회귀 Logistic_regression 실습 코드) 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 32 33 34 35 36 37 38 39 40 41 42 43 44 45 import numpy as np import pandas as pd import matplotlib.pyplot as plt # 공부 시간 x와 합격 여부 y의 리스트 만들기 (1: 합격, 0: 불합격) data = [[2,0],[4,0],[6,0],[8,1],[10,1],[12,1],[14,1]] x_data = [i[0] for i in data] y_data = [i[1] for i in data] # 그래프로 나타내기 plt... 2022. 1. 19.
[#2 Teachable Machine 적용] 인공지능을 적용해 웹 서비스 구현 과정 이번 해커톤에서 가장 공들인 Teachable Machine을 이용한 웹 서비스 구현 작업에 대해 이야기 해보려한다. 해커톤에서는 웹 개발 그리고 인공지능 외부 API 개발로 나누어 역할분담하여 작업하는 방식으로 진행했다. 그리고 나중에 웹으로 모든 서비스를 합치는 과정에서 팀원 모두가 각각의 서비스를 모두 살펴보고 수정해보는 과정으로 개발 로직을 이해하고 인공지능 그리고 외부 API가 어떻게 웹 서비스로 합쳐질 수 있고, 적용할 수 있는지 이해 할 수 있도록 했다. 어쩌다보니 Teachable Machine의 training 작업과 이 모델을 이용한 세종 챌린지 웹 서비스를 주로 담당해 이번 해커톤에 임했게 되었다. 오픈 소스인 Teachable Machine을 사용해 본 적은 있어도 직접 웹 서비스에.. 2021. 12. 31.

티스토리툴바