쵸코쿠키의 연습장

신경망의 작동 원리이제 신경망의 기본 구조가 어떻게 생겼는지 아이디어를 얻었으니, 어떻게 작동하는지 설명하겠습니다. 그렇게 위해서, 네트워크에 포함할 수 있는 다양한 종류의 뉴런을 설명할 필요가 있습니다. 뉴런의 첫번째 유형은 Perceptron입니다. 비록 오늘날 쇠퇴했지만, 어떻게 작동하는지 이해하는 것은 더 현대적인 뉴런들이 어떻게 기능하는지에 대한 좋은 단서를 줄 것입니다. Perceptron은 이항 변수의 벡터를 단일 이항 출력에 매핑하여 이항 분류기를 학습하는 기능을 사용하고 supervised 학습에도 사용할 수 있습니다. 이러한 맥락에서 Perceptron은 다음 단계를 따릅니다. 1. 모든 인풋에 weight를 곱하고, 해당 인풋이 아웃풋에 얼마나 중요한지 나타내는 실제 숫자를 곱합니다...

전기차에 대한 최근의 온갖 이야기가 난무하고 있습니다. EV가 무엇이고 어떻게 작동하는 지에 대해 정확히 알아볼 때가 다가오는 것 같습니다. 포스팅 목적을 위해 연료 전지 차량, 플러그 인 하이브리드 차량, 경량 하이브리드가 아닌 배터리 전기 자동차를 다루겠습니다. 전기자동차는 순전히 전기로 구동되는 차량입니다. 이 차량은 배터리 팩에 저장되어 적어도 하나의 전기 모터에 전원을 공급합니다. 전기는 무엇일까?전기는 전하를 띤 입자들 사이의 전자의 움직임입니다. 배터리 내부의 화학적 반응은 양극과 음극 전하를 생성하며, 이는 전자를 단자 사이에 흐르게 합니다. 만약 한 쪽 끝에 양성이 있고 다른 쪽 끝에 음이 있다면, 전자가 통과해야 하는 길을 만들 수 있습니다. 이것들은 열을 발생시키고 스위치를 작동시키고..

먼저 딥러닝 부분에 초점을 맞추는 것은 중요하고 흥미롭습니다. "핵심 아이디어"에 대한 질문으로 돌아가보겠습니다. 그 핵심 아이디어는 딥 러닝과 일반적인 머신 러닝의 차이점에 나온다고 생각합니다. "딥"이라는 단어가 의미하는 유일한 것은 많은 숨겨진 층으로 신경망을 훈련시킬 수 있다는 것입니다. 몇십 년 전에는 잘 작동하지 않았습니다. 신경망 훈련을 더 잘 구상하고 더 빠르게 할 수 있도록 다양한 새로운 아이디어들이 만들어졌지만, 근본적으로 "딥 러닝"과 오래된 신경망 훈련 사이에 차이는 많이 다르지 않습니다. 하지만, 이 딥 러닝의 성공으로 촉발된 부활은 이전에는 훈련할 수 없었던 새로운 신경망 구조들로 이어지고 있습니다. 그리고 인상적인 결과를 가져오고 있습니다. 딥러닝과 그 결과들은 다른 포스팅을 ..

스마트폰에 기계 학습신경망을 더 정확하게 만들기 위한 과거의 노력들은 신경망을 더 깊고 더 복잡하게 만드는 것을 포함했습니다. 이러한 접근 방식은 인상적인 결과를 낳았지만, 큰 단점이 있습니다. 즉, 네트워크가 스마트폰에서 실행하기에는 너무 복잡해지는 경우가 많다는 것입니다. 사람들은 대부분 컴퓨팅을 클라우드로 오프로딩하여 이러한 문제를 해결했습니다. Google과 Apple의 음성 비서의 초기 버전은 오디오를 녹음하여 회사 서버에 업로드하여 처리합니다. 잘 작동했지만 세 가지 중요한 단점이 있었습니다. 대기 시간이 길었고, 개인 정보 보호가 약했으며, 이 기능은 온라인에서만 작동합니다. 그래서 구글은 점점 더 많은 기기에서 방식을 바꾸려고 노력해왔습니다. 현재 Android 기기에는 이미 기본적인 기기..

CNN(Crovolutional neural network)은 영상 인식과 처리에 사용되는 인공 신경망의 일종으로, 픽셀 데이터를 처리하도록 특별히 고안되었습니다. CNN은 강력한 이미지 처리, 인공지능(AI)으로, generative와 descriptive의 두 가지 작업을 모두 수행하할 떄 딥 러닝을 사용하는데, 종종 추천 시스템 및 NLP(Natural Language Processing)와 함께 영상과 비디오 인식을 포함하는 머신바이저를 사용합니다. 신경망은 인간의 뇌에 있는 뉴런의 작동 후에 패턴화된 하드웨어 또는 소프트웨어의 시스템입니다. 기존의 신경 네트워크는 이미지 처리에 적합하지 않으며, 분해능이 낮은 조각으로 이미지를 공급해야 합니다. CNN은 인간과 다른 동물들의 시각적 자극을 처리하..

현재의 딥러닝 붐이 언제 시작되었는지를 머신 러닝 전문가들에게 물어보면, 많은 사람들이 알렉스 크리제프스키의 이름을 따서 "AlexNet"이라고 알려진 2012년 논문을 지적할 것입니다. 토론토 대학의 3인조 연구원인 저자들은 이미지를 천 개의 카테고리 중 하나로 분류하기 위해 ImageNet 대회에 참가했습니다. ImageNet 조직위원회는 네트워크를 훈련하기 위해 100만 개 이상의 레이블이 표시된 예제 이미지를 제공했습니다. AlexNet은 8개의 훈련 가능한 층과 65만개의 뉴런을 가진 깊은 신경망을 사용함으로써 전례 없는 정확성을 달성했습니다. 대규모 병렬 처리를 위해 설계된 GPU를 활용하는 방법을 알아낸 덕분에 많은 데이터에 대한 대규모 네트워크를 훈련할 수 있었습니다. AlexNet은 더 ..

백프로포제이션이 필요한 이유는 무엇입니까?신경망을 설계하는 동안 처음에는 무작위 값이나 그 사실에 대한 변수를 사용하여 가중치를 초기화합니다. 명백하게, 우리는 초인적인 사람이 아닙니다. 따라서, 우리가 선택한 어떤 Weight 값이든 정확할 필요는 없습니다. 처음에는 몇 가지 Weight 값을 선택했지만, 모델 출력은 실제 생산량과 너무 달라집니다. 즉, 오류 값이 엄청 큽니다. 어떻게 오류를 줄일 수 있을까요? 기본적으로, 우리가 해야 할 일은 모형을 어떻게든 설명하여 파라미터를 변경해야 합니다(가중치). 다른 방법으로는, 우리의 모델을 훈련시킬 필요가 있습니다. 모델을 훈련시키는 한 가지 방법은 백프로파게이션이라고 불립니다. 아래 다이어그램을 고려합니다. 신경망을 교육 - 백프로파게이션위 단계를 요..

이번 주 Google I/O 기조 연설에서 가장 흥미로운 데모 중 하나가 있습니다. 그것은 바로 올해 말에 출시될 예정인 Google의 음성 비서의 새로운 버전입니다. 직원은 Google 어시스턴트에게 자신의 사진을 가져온 다음 동물과 함께 사진을 보여달라고 요청했습니다. 그녀는 하나를 누르고 "저스틴에게 보내세요." 라고 말했습니다. 그 사진은 메시징 앱을 통해 보내졌습니다. "Google, 제시카에게 이메일을 보내세요,"라고 그녀는 말했습니다. "안녕 제시카, 방금 옐로스톤에서 돌아왔는데 완전히 사랑에 빠졌어요." 이 스마트폰은 "안녕 제시카"를 제목으로 옮겨 놓았습니다. "Yellowstone 모험의 대상이 되도록 하세요,"라고 그녀는 말했습니다. 어시스턴트는 메시지의 본문이 아니라 "옐로 스톤 모..

MLP(Multilayer Perceptron)다층 지각(MLP)은 일련의 입력에서 일련의 출력을 생성하는 피드포워드 인공 신경 네트워크입니다. MLP는 입력 계층과 출력 계층 사이에 지시된 그래프로 연결된 여러 입력 노드의 계층이 특징입니다. MLP는 백프로포지션을 사용하여 신경망을 훈련합니다. MLP는 딥 러닝 방법 중 하나입니다. 관련 설명다층 지각(MLP)은 지시된 그래프로 여러 층을 연결하는 신경망입니다. 즉, 노드를 통과하는 신호 경로가 한 방향으로만 이동한다는 의미입니다. 입력 노드와 별도로 각 노드에는 비선형 활성화 기능이 있습니다. MLP는 Supervised(감독된 학습 기법)으로 백프로파싱을 사용합니다. 뉴런의 층이 여러 개이기 때문에, MLP는 딥 러닝 기법인 것입니다. MLP는 컴..

우버의 기대주 데뷔는 지난 금요일 거래 첫날 주가가 7.6% 하락하는 등 기대에 부응하지 못했습니다. 종가 기준으로 우버의 주가는 41.57달러로 전체 기업 가치가 760억 달러에 달했습니다. Uber는 최근 몇 달 동안 꾸준히 감소하는 기대감으로 어려움을 겪고 있습니다. 우버가 거액의 주식 공모를 처리하기 위해 은행들에게 제안을 요청하자, 일부 은행들은 이 회사의 가치가 무려 1,200억 달러에 이를 수 있다고 추산한 것으로 전해졌습니다. 우버의 주가가 실제로 매물로 나왔을 때쯤, 이 회사는 좀 더 적은 820억 달러에 평가되고 있었습니다. 이제는 그 정도의 가치도 없습니다. 하지만 Uber는 초기 공모에서 81억 달러를 모금하여 회사의 재무 가치를 보충했습니다. 우버가 아직 이익을 내지 못했기 때문에..

Multilayer Neural Network(다중 계층 신경 네트워크)의 의미다층 신경망은 하나 이상의 인공 뉴런 또는 노드를 포함합니다. 이것들은 디자인 면에서 크게 다릅니다. 단층 신경망은 AI의 진화 초기에 유용했지만, 오늘날 사용되는 대부분의 네트워크는 다층 모델을 가지고 있다는 점을 유념해야 합니다. 다층 신경망은 여러 가지 방법으로 설정될 수 있습니다. 일반적으로 입력 계층은 일련의 숨겨진 계층으로 가중 입력을 전송하는 하나 이상의 입력 계층과 끝에 있는 출력 계층이 있습니다. 이러한 보다 정교한 설정은 또한 인공 뉴런의 발화 또는 활성화를 지시하는 Sigmoids와 다른 기능을 사용하는 비선형 구조와도 관련이 있습니다. 이러한 시스템 중 일부는 물리적인 물질로 구축될 수 있지만, 대부분은 ..

Microsoft의 빌드 개발자 컨퍼런스에서 가장 놀랐던 소식은 Microsoft가 정품 Linux 커널을 출시할 것이라는 것입니다. Windows에서 모든 패치가 게시된 GPL입니다. 이 발표는 Windows(윈도우)의 커맨드 라인 프로그램의 새로운 프런트엔드인 Windows 터미널(윈도우 터미널)의 발표와 함께 이루어졌으며, 그 중에서도 탭이 지원됩니다. Visual Studio Code와 같은 프로젝트에서 오픈 소스 소프트웨어에 대한 Microsoft의 참여는 새로운 것이 아닙니다. NET 런타임은 오픈 소스 커뮤니티 기반 프로젝트로 운영되었습니다. 하지만 이번 주 발표는 조금 다른 느낌입니다. Linux 커널은 Microsoft의 2세대 WSL(Windows Subsystem for Linux)에..

Deep Neural Network(깊은 신경망)은 일정 수준의 복잡성을 가진 신경망, 즉 두 개 이상의 층을 가진 신경망입니다. Deep Neural Network는 복잡한 방법으로 데이터를 처리하기 위해 정교한 수학 모델링을 사용합니다. Deep Neuural Network에 대해일반적으로 신경 네트워크는 인간의 뇌의 활동을 시뮬레이션하기 위해 만들어진 기술입니다. 특히 패턴 인식과 다양한 계층의 시뮬레이션된 신경 연결을 통한 입력 전달을 시뮬레이션하기 위해 만들어진 기술입니다. 많은 전문가들은 Deep Neural Network을 입력 계층, 출력 계층, 그리고 그 사이에 하나 이상의 숨겨진 계층이 있는 네트워크로 정의합니다. 각 계층은 일부에서 "기능 계층"이라고 부르는 프로세스에서 특정 유형의 ..

현대는 주류의 EV를 아이오닉과 코나 일렉트론 모델로 이끌고 있습니다. 전기 자동차 주제에 관한 것들은 열광적인 움직임을 보여주고 있습니다. 현대의 코나 일렉트릭 하이랜더 (Costa Hyundai 's Kona Electric Highlander)는 많은 질문이있는 차량 스타일의 최신 모델입니다. 주요 질문과 답변에 대해 알아보겠습니다. 코나 일렉트릭의 섀시가 기본적으로 하나의 거대한 배터리라는 점을 감안할 때, 여전히 전통적인 12V 배터리가 필요한 이유는 무엇입니까? A : 라디오, 에어백, 대시, 와이퍼, 조명등과 같은 일반적인 부속 장치 및 액세서리를 모두 사용하려면 기존의 휘발유 엔진인 Kona와 공유하며 12 볼트로 작동하도록 설계해야 합니다. 코나에는 엔진이 없습니다. 그렇다면 왜 기존의 ..

신경망?신경망은 인간의 뇌를 본따서 스스로 모델을 만드는 머신러닝의 한 종류입니다. 이것은 알고리즘을 통해 컴퓨터가 새로운 데이터를 통합함으로써 학습할 수 있는 인공 신경망을 만듭니다. 요즘 인공지능 알고리즘이 풍부하지만, 신경망은 이른바 '딥러닝'을 수행할 수 있습니다. 뇌의 기본 단위가 뉴런인 반면, 인공 신경망의 필수적인 구성 단위는 단순한 신호 처리를 수행하는 지각변동체이며, 그런 다음 이것들은 큰 메쉬 네트워크로 연결됩니다. 신경망이 있는 컴퓨터는 이전에 미리 라벨을 붙였던 훈련 예를 분석하게 하여, 과제를 하도록 가르칩니다. 딥러닝을 이용한 신경망의 업무의 일반적인 예는 객체 인식 작업인데, 여기서 신경 네트워크는 고양이, 거리 표지 등 특정 유형의 많은 물체를 제시하고, 컴퓨터는 제시된 영상..

Dota Pro 서킷이 빠르게 끝나고 The International Major Fast가 다가옴에 따라, 밸브는 보상, 게임 모드, 반환 기능 등으로 채워진 새로운 Dota 2 배틀 패스를 출시했다. 통상적으로 배틀패스를 구입하면 수익금의 25%가 2019년 경품으로로 향하게 된다. 500만 달러 미만의 엄청난 액수가 지금까지 모금되었다. 주목할 만한 것 중 하나는 곧 다가올 모로카이 커스텀 모드의 레이스다. 현재로서는 세부 사항이 비밀에 부쳐지고 있지만, 플레이어들은 지도 주변에서 에너지를 모으고, 공유 능력을 해제하며, 전투에 도움을 주기 위해 고대 모로카이에게까지 먹일 수 있을 것으로 보인다. 전용 스킨 세트, 배틀 포인트, "특수 도구"를 얻기 위해 아래로 여행해야 하는 새로운 정글 탐험도 있다..

ImageNet 경기는 이미지 분류에서 최고의 정확성을 얻기 위해 팀이 경쟁하는 대회입니다. 즉, 고양이라는 이미지가 주어진다면 컴퓨터가 고양이라고 자율적으로 말할 수 있을까요? 이것은 인간에게 믿을 수 없을 정도로 간단한 것처럼 들릴 수도 있지만, 사실 컴퓨터에게는 불가능했습니다. 이러한 혁신을 심층적인 학습(딥 러닝)이 이끌어 냈습니다. - 심층 학습을 위한 대규모 데이터 세트를 만들었습니다. 이것은 그 자체로 엄청난 돌파구였습니다. Geoff Hinton은 다소 설득력 있게, 60년대까지 거슬러 올라가는 ANNs에도 불구하고, 딥 러닝이 지금 작동하는 유일한 이유는 "더 많은 계산과 데이터, 바로 그것"이라고 말했습니다. 이 거대한 데이터셋의 가용성은 딥 러닝에 놀라운 장점입니다. - GPU에서 교..

이미 리뷰어들은 일레트릭 재규어 I-PACE가 제공하는 운전의 즐거움과 만족에 대해 찬사를 보내고 있습니다. 또한 기존의 내부 연소 차량은 항상 손상되지만, 모델 S 또는 I-PACE는 각 차축의 모터에 의해 구동되어 중량을 전체 축간 베이스에 분산시키고 최적의 균형을 위해 배터리 팩을 플로어 안 또는 아래에 장착할 수 있습니다. 모두가 알고 있듯이 이상적인 무게 분포는 높은 수준의 핸들링과 주행 유지에 기여하는 요소입니다. 전기 차량은 평균 이상의 코너링 능력과 제동력을 위해 특별히 섀시 튜닝 조정이 필요하지 않습니다. 또한 기존 차량의 섀시를 극복하기 위해 가혹한 승차감이 필요하지 않습니다. 따라서 전기 자동차를 사용하면 관리 가능한 핸들링, 높은 수준의 주행 유지, 편안한 승차감 및 지속적인 안전 ..

머신러닝(ML)은 소프트웨어 응용 프로그램이 명시적으로 프로그래밍되지 않고 결과 예측에 더 정확해질 수 있도록 하는 알고리즘의 범주입니다. 기계 학습의 기본 전제는 입력 데이터를 수신할 수 있는 알고리즘을 구축하고 통계 분석을 사용하여 결과를 예측하는 동시에 새 데이터를 사용할 수 있게 되면 결과를 업데이트하는 것입니다. 머신러닝과 관련된 프로세스는 데이터 마이닝 및 예측 모델링과 유사합니다. 두 가지 모두 패턴을 찾기 위해 데이터를 검색하고 그에 따라 프로그램 작업을 조정해야 합니다. 많은 사람들은 인터넷에서 쇼핑하면서 기계에 대해 배우고 구매와 관련된 광고를 보는 것에 익숙합니다. 이는 권장 엔진이 기계 학습을 사용하여 거의 실시간으로 온라인 광고 전달을 개인화하기 때문에 발생합니다. 개인화된 마케팅..

지역 서비스 스테이션에서 판매되고 있는 연료의 종류를 헷갈릴 수 있습니다. 디젤 펌프는 종종 여분의 래치가 있고 연료 주입구 노즐 자체로 구별가능하지만, 잘못된 연료를 디젤 탱크에 주입할 수 있습니다. 보통 누군가가 차에 연료를 잘못 넣는 단순한 실수를 저지르는 데는 여러 가지 이유가 있습니다. 흔들림, 피로, 차량의 익숙함, 특히 작업용 차량의 경우 익숙하지 않음 등이 혼합 주입의 가장 일반적인 원인입니다. 90%를 차지하는 가장 일반적인 경우는 사람들이 디젤 차량에 휘발유를 넣는 것입니다. 디젤용 노즐은 일반적으로 가솔린 차량에 장착되지 않으므로 이런 현상이 덜 발생합니다. 엔진과 연료 공급 시스템을 교체하는 데 드는 비용과 비교하면 낭비되는 연료의 비용은 미미한 수준입니다. 잘못된 연료 주입 관련 ..