[인공지능] 딥러닝

딥러닝 구성 요소 입력층 데이터를 받아들임 은닉층 입력값을 받아 가중합을 계산하고 활성화 함수에 적용하여 출력틍에 전달 출력층 신경망의 최종 결과값 가중치 노드와 노드 간 연결 강도 바이어스 가중합에 더해 주는 상수 가중합, 전달 함수 가중치*노드의 곱을 합한것 활성화 함수 신호를 입력받아 처리해 출력해주는 함수 손실 함수 출력함수의 결과와 실제 값 간의 오차를 측정하는 함수 활성화 함수 시그모이드 함수 - 선형 함수의 결과를 0~1 사이에서 비선형 형태로 변형 - 기울기 소멸 문제(딥러닝 모델의 깊이가 깊어지면 기울기가 사라짐)발생 하이퍼볼릭탄젠트 함수 - 선형 함수의 결과를 -1~1 사이에서 비선형 형태로 변형 - 시그모이드에서의 결괏값이 양수로 편향된 문제를 해결 - 기울기 소멸 문제 발생 렐루 함수 - 입력이 음수면 0을 출력, 양수면 입력값을 출력 - 경사하강법에 영향을 주지 않아 학습 속도가 빠르고 기울기 소멸 문제 해결 - 음수값을 입력받으면 출력이 0이기 때문에 학습 ...