* 본 포스팅은 한국품질재단에서 주최하는 인공지능개발자 양성사업 교육과정 복습 용도로 포스팅되었습니다.
* 신경망의 종류(xxxNN)
* 전통적인(오래된) 일반적인 신경망 -> 예측
* CNN
- 컨볼류젼(합성곱) 뉴럴 네트워크
- 영상 처리에 탁월
- 결과 : 이 이미지는 XXX이다.(정확도 x%) -> 분류
- 종류
- 이미지 한장에서 사물 한 개를 인식
- 사각형 검출
- cloud.google.com/vision
- aws, azure, watson
- 이미지 한장에서 여러 개의 물체를 인식(검출)
- object_detection
- https://github.com/tensorflow/models/tree/master/research/object_detection
GitHub - tensorflow/models: Models and examples built with TensorFlow
Models and examples built with TensorFlow. Contribute to tensorflow/models development by creating an account on GitHub.
github.com
- Yolo(욜로), fast CNN,...
- openCV 병행
- 이미지 한장에서 여러 개의 물체를 모양에 따라 인식(shape)
- 사물의 외곽선 따라서 검출
- 테슬라의 자율주행이 사물을 인식하는 방법
'테슬라 AI데이'..."반도체·슈퍼컴퓨터·로봇, 직접 만든다"
테슬라가 19일(현지 시간) 미국 테슬라 본사에서 AI(인공지능)데이 행사를 열고, 반도체 D1, 슈퍼컴퓨터 도조(Dojo), 테슬라 봇(Tesla Bot)를 핵심으로 한 미래 비전을 공개했다. 미래차 시대에 맞춰 자
www.etnews.com
- 초해상
* RNN
- 순환(재귀적) 뉴럴 네트워크
- 기존신경망 + 시퀀스(시간 개념(시계열), 순서)
- 난이도가 높다.
- 종류
- 자연어 처리
- 문서 분류, 대화문 작성, 챗봇, 기계 번역, 문서 요약
- 동영상 분류
- 음성 인식 :
코딩교육 티씨피스쿨
4차산업혁명, 코딩교육, 소프트웨어교육, 코딩기초, SW코딩, 기초코딩부터 자바 파이썬 등
tcpschool.com
- 음성 합성, 음악 생성 (생성 모델과 결합)
- 음성 합성
- 음악 생성
GitHub - magenta/magenta: Magenta: Music and Art Generation with Machine Intelligence
Magenta: Music and Art Generation with Machine Intelligence - GitHub - magenta/magenta: Magenta: Music and Art Generation with Machine Intelligence
github.com
WaveNet: A Generative Model for Raw Audio
This post presents WaveNet, a deep generative model of raw audio waveforms. We show that WaveNets are able to generate speech which mimics any human voice and which sounds more natural than the best existing Text-to-Speech systems, reducing the gap with hu
deepmind.com
- 시계열
- 머신러닝 > 회귀
- 통계 > ARMIA, AR, MA, ARMA 모형
- 딥러닝 > RNN-LSTM, RNN-GRU 모델
- 써드 파트 > facebook Prophet 모델
- RNN의 구성 방식(입력-to-출력)
- one-to-many
- 하나의 입력을 넣어서 여러 개의 출력이 나옴
- 이미지 캡션, 이미지를 보고 텍스트 출력
- many-to-one
- 여러 개의 입력을 넣어서 한개의 출력
- 감정분석, 스팸메일
- many-to-many
- 여러개 넣어서 여러개 출력
- 기계 번역, 챗봇
* 생성 모델형 신경망 -> 창조
* GAN
- 적대적 생성 네트워크
- DCGA, DEGAN, GAN...
- 데이터 창조하는 분야
- 딥 훼이크(이미지, 영상, 보이스, 사운드), 채색(흑백-> 칼라 복원), 이미지 -> 화풍 -> 생성
* CAE
- 수치, 백터로부터 이미지 생성
- 노이즈 제거
* 강화 학습
* DQN
- 게임 알고리즘, 게임성 강조
- 1 에피소드 -> 게임 한판
- 전체
- 요소 정의
- 에이전트, 환경, 액션, 정책, 갱신, 보상..
- 가장 핵심은 게임판은 만들고 룰(정책) 구성
- 알파고 -> 알파고 제로 -> 알파 제로 -> 알파 스타/알파폴드
- 에이전트를 학습시키는 것이다(에이전트 : 애완동물) 잘하는 행동에 대해서는 보상 지급 -> 행동을 강화하여 -> 원하는 내용을 학습시키는 방식
* 퍼셉트론
- 개요
- 1957년
- 기계학습의 기초 개념
- 단순 퍼셉트론
- 입력층, 출력층이 존재한다
- 입력이 x0, x1, x2.. 존재한다.
- 출력은 y 가 있다.
- 여러 개의 입력을 출력 y에 수렴하게 하고 싶다.
- 어떤 입력이 출력에 영향을 얼마큼 미치는가?
- 예시
- 2021.09. 중순쯤에 애플에서 신제품 출시한다
- 아이폰 13 시리즈, M1X 기반 맥북 14, 16인치, 출시 예정
- 당신은 구매할 것인가?
- 출력 : (구매, 비구매)
- 입력 : 구매 결정에 영향을 미치는 요소
- x0 : 현재 사용하는 노트북이 구형이야. 이제 바꿔야 겠어 너무 느려?
- x1 : 노트북의 화면이 너무 작아?
- x2 : 노트북에서 맥이 안돼?
- x3 : 돈이 충분히 있는가?
- .....
- 다수결로 결정할 건인가?
- 아무리 다수결로 선택을 하더라고, 만약 돈이 부족하면 -> 다수결은 의미가 없게 된다 -> 의사결정은 구매인데, 실제적으로 구매를 못함
- 입력 요인별로 가중치가 다르다!!(무게감이 다르다) => 입력 요인별로 가중치를 계산(W:Weight)
- 구매 요인은
- W0X0 + W1X1 + W2X2 +..... + WnXn
- 구매를 결정하는 역치(임계값, C, threshold)라고 한다면
- if 구매한 요인의 값 > C : 구매한다(수렴)
- 이렇게 다양한 입력 요인들을 구성(조합)하여 보다 좋은 올바른 판단을 내릴 수 있다 -> 예측 정확도가 높이 진다
- 이런 예측 결과를 내기 위한 W(가중치)를 계산하는 과정이 딥러닝의 학습의 본질이다
- y = Wx + b (bias : 편향)
- W, x, b => 행렬로 표현된다
- Wx => 행렬의 곱
* sigmoid -> 활성화 함수
- X에서 Y로 잘 수렴하기 위해서(정확도를 높이기 위해, 올바른 결정을 하기 위해)
- 수많은 학습을 통해서 최적의 W, b를 찾는 과정, -> 딥러닝 학습 -> 모델을 학습시켰다.
- 모델 -> 덤프 -> 서비스에 이식 -> 요청이 있을 때 모델이 작동 -> 결과를 내준다.
=> y = sigmoid( x + W + b )
* 신경망(NN)
- 인간의 뉴런을 본떠서 만든 것인 인공 신경망
- 작용 : 활성화 함수를 통과하면 값이 조정된다.(값의 조정, 선형 데이터를 비선형으로 처리해주는 역할 -> 깊이감을 주기 위해)
- 뉴런 : X-> Y
- 기본 뉴런의 구조에서 중간이 layer(층)을 더 넣어서 깊이감을 주고, 이를 통해 어떤 정보를 더 많이 검토할 수 있게, (학습) 신경망을 구성할 수 있다. -> 정확한 예측을 할 수 있다.(논문, 연구, 성과)
- 은닉층 1개 -> ANN
- 은닉층 2개 이상 -> Deep NN(DNN)
- 이러한 레이어를 설계 -> 네트워크 설계, 구축
'Machine Learning' 카테고리의 다른 글
| [딥러닝] 딥러닝이란? 2 (0) | 2021.09.01 |
|---|---|
| [딥러닝] 딥러닝이란? 1 (0) | 2021.09.01 |
| [백견불여일타 딥러닝 입문 : 학습 5일차] (0) | 2021.01.30 |
| [백견불여일타 딥러닝 입문 : 학습 4일차] (0) | 2021.01.30 |
| [백견불여일타 딥러닝 입문 : 학습 3일차] (0) | 2021.01.30 |
