잔잔한 흐름님의 블로그

이 글은 을 참고하여 만들어졌습니다.2.3 시퀀셜 API를 사용하여 회귀용 다층 퍼셉트론 만들기사이킷런의 fetch_california_housing() 함수를 사용해 데이터를 적재하겠습니다. 이 데이터셋은 수치 특성만 있으므로 간단합니다(ocean_proximity 특성이 없습니다).데이터를 적재한 후 훈련 세트, 검증 세트, 테스트 세트로 나누고 모든 특성의 스케일을 조정합니다.from sklearn.datasets import fetch_california_housingfrom sklearn.model_selection import train_test_splitfrom sklearn.preprocessing import StandardScalerhousing = fetch_california_ho..

이 글은 을 참고하여 만들어졌습니다.1.4 다층 퍼셉트론과 역전파다층 퍼셉트론은 (통과) 입력층(Input layer) 하나와 은닉층(hidden layer)이라 불리는 하나 이상의 TLU 층과 마지막 출력층(output layer)으로 구성됩니다.입력층과 가까운 층을 보통 하위 층(lower layer)출력에 가까운 층을 상위 층(upper layer)출력층을 제외하고 모든 층은 편향 뉴런을 포함하며 다음 층과 완전히 연결되어 있습니다. * 신호는 (입력에서 출력으로) 한 방향으로만 흐릅니다. => 이 구조는 피드포워드 신경망(feedforward neural network)(FNN)에 속합니다. 심층 신경망(deep neural network)(DNN) : 은닉층을 여러 개 쌓아 올린 인공 신..

1. 인공 신경망1.1 생물학적 뉴런에서 인공 뉴런까지1.2 생물학적 뉴런2. 뉴런을 사용한 논리 연산3. 퍼셉트론3.1 퍼셉트론과 TLU3.2 퍼셉트론 훈련 방법3.3 퍼셉트론의 한계와 다층 퍼셉트론(MLP)의 등장 이 글은 "핸즈온 머신러닝(2판)"을 바탕으로 만들어졌습니다. 1. 인공 신경망 (Artificial Neural Network, ANN)1. 인공 신경망이란?인공 신경망은 뇌의 생물학적 뉴런 네트워크에서 영감을 받아 만들어진 머신러닝 모델입니다.시간이 지나면서, 인공 신경망은 실제 생물학적 뉴런과는 점점 다른 방향으로 발전해왔습니다.인공 신경망은 딥러닝(Deep Learning) 의 핵심을 이루는 기술입니다.인공 신경망의 특징다재다능성: 다양한 문제를 해결할 수 있음강력함: 복잡하고 방대..