Adore__

Source : [BoostCourse 딥러닝 기초 다지기]의 자료를 사용하였습니다. CNN은 입력 이미지를 내가 원하는 형태로 바꿔주는 것이었다. - classification: one-hot vector - detection : 각각의 영역에 있는 bounding box - semantic segmentation : 이미지의 픽셀별로 속하는 class 찾기 하지만 RNN은 입력 자체가 sequential data이다. sequential data를 처리함에 있어서 가장 큰 어려움은, 하나의 라벨로 정의될 수 없다는 것이다. 글자가 입력으로 들어올 때, 그 길이가 언제 끝날지 모른다. 내가 받아들여야 하는 입력의 차원을 알 수 없기때문에 CNN을 사용할 수 없다. 즉, 몇개의 입력이 들어오든 이 모델을..

Source : [BoostCourse '인공지능을 위한 선형대수' - 주재걸 교수님] ▪️Onto 전사 함수는 치역과 공역이 같은 함수를 말한다. 즉, y의 원소들에서 무작위로 한개를 뽑아도, 반드시 이를 가리키는 x가 존재하는 함수이다. 최소한의 필요조건 : X정의역 원소의 개수 >= Y 공역의 원소의 개수 하지만 반대로 X의 원소의 개수 decoder과 같은 모델 구조를 생각해보면 작은 차원에서 기하급수적인 넓은 차원으로 변환하는 과정이 많다. 이 또한 '함수'의 개념이므로, input으로부터 만들어지는 정보 (치역)가 공역의 모든 영역을 설명할 수 없다. 예를들어 얼굴 사진이..

Source : [BoostCourse 인공지능을 위한 선형대수 - 주재걸 교수님] 먼저 우리에게 익숙한 함수의 조건을 인지하고 시작하자 위와 같이 한 정의역이 동시에 두개의 y값을 갖는 것은 함수라고 할 수 없다. ▪️Linear Transformation 선형변환 Linear Transformation이란, case 1) input들을 선형결합 -> 함수에 넣기 -> 나온 output case 2) input을 먼저 함수에 넣음 -> output들로 동일한 선형결합을 수행 이 case 1 값과 case 2 값이 항상 같게 만드는 transformation을 선형 변환이라고 한다. 위 문제에서는 4x1 + 5x2 = 4T(x1) + 5T(x2)를 만족하므로 선형변환이라고 할 수 있다. 여기서 문제! y..