Neural Networks Basics

Logistic Regression as a Neural Network

신경망 프로그래밍의 기초를 배울 것이다.

 

신경망 구현 기술

신경망을 구현할 때는 몇 가지 중요한 기술이 있다.

 

1. for루프 사용 안함

예를 들어, m개의 훈련 예제를 가진 샘플이 있으면,  훈련 예제에 대해서 for루프를 돌리면서 하나씩 훈련 세트를 처리했을 것이다.

신경망을 구현할 때는 일반적으로 전체 훈련 세트를 반복하기 위해 for문을 사용하지 않고 처리한다.

 

2. 순방향 전달과 역방향 전달

신경망의 계산을 정리할 때 일반적으로 순방향 전달(순방향 전파 단계), 역방향 전달(역방향 전파 단계)라는 것이 있다.

신경망 학습의 계산은 왜 전파가 되는지와 왜 역방향 전파가 되는지로 소개할 것이다.

 

로지스틱 회귀

로지스틱 회귀로 아이디어를 전달할 것이다.

 

 

로지스틱 회귀는 이진 분류를 위한 알고리즘이다.

이진 분류 문제가 하나 있다.

입력 이미지가 있다. 고양이일 때는 1로, 고양이가 아닐 때는 0을 출력한다.

출력 레이블을 나타내기 위해 y를 사용할 것이다.

이미지는 컴퓨터에서 Red, Green, Blue 세 개로 분리된 행렬을 사용한다.

 

이 픽셀들의 채도값을 특징 벡터로 바꾸기 위해 픽셀값 모두를 하나의 입력 특징 벡터 x에 펼쳐 보았다.

모든 픽셀 채도값을 특징 벡터에 나열하기 위해서 특징 벡터 x를 취한다. 픽셀값 모두를 나열한다.

이미지가 64x64일 경우, x의 전체 차원은 64x64x3이 될 것이다.

nx = 12288을 사용하여 입력 특징 x의 차원을 나타낼 것이다.

때때로 간결하게 입력 특징 벡터의 차원을 나타내기 위해 소문자 n을 쓸 것이다.

 

이진 분류에서 우리의 목표는 특징 벡터 x로 나타내는 이미지를 입력할 수 있는 분류기를 배우는 것이다. 고양이인지 아닌지 예측한다.

 

File

이후 내용은 아이패드로 따로 정리하였습니다.