TAK's coding world

1. RNN이란? 순환 신경망(Recurrent neural network, RNN)은 인공 신경망의 한 종류로, 유닛간의 연결이 순환적으로 연결되어 있다. 이러한 구조는 신경망 내부에 정보를 저장하며, 과거의 데이터들을 바탕으로 현재의 데이터, 그리고 미래의 데이터까지 예측하는 프로그램을 만들 수 있게 해준다. 그러나 문장이 길어질 경우 맥락을 따라잡지 못하는 한계가 있었다. 2. LSTM이란? 중장기 기억 메모리(Long-short term memory, LSTM)은 위의 장기 의존성 문제를 해결한 RNN의 한 종류이다. 이는 시계열(시간)에 따른 변화를 예측하는 알고리즘을 짜는데 유용하게 사용된다. 3. 어디에 활용될까? 1) 대표적으로 LSTM을 통해 YFINANCE에서 금융 시계열 데이터를 받아..

컴퓨터 비전이란? 영상처리(Image Processing)은 영상을 입출력 매개로 다루는 시스템으로부터, 컴퓨터를 이용하여 영상을 생성, 처리, 분석, 인식하는, 영상과 관련된 폭넓은 분야이다. 그래서 컴퓨터 비전(Computer vision) 은 인공지능의 한 분야로서, 영상을 인식하는 과정에서 기계의 '시각'과 관련된 부분을 다루는 기술이다. 이를 통한 기계의 자율화를 목표로 하고 있다. 컴퓨터 그래픽스는 프로그래밍을 통해 이미지를 생성하는 것으로, 디지털 사진이나 비디오의 핵심 기술이라 볼 수 있다. 어디에 응용될까? 1. 딥러닝 분석과 컴퓨터 비전 기술은 흑백 사진이나 해상도가 저하된 깨진 사진을 복원하는데 사용될 수 있다. 즉 이미지의 해상도를 낮춰본 후 가장 유사하고 자연스러운 것을 예측하여 ..

지난 번 mnist의 기본적인 모델을 만들었으나, 상당히 정확도가 떨어졌다. 그래서 정규화 및 오차함수를 설정해 최대한 손글씨에 근접하게 인식하도록 구체화시켰다. x_train, x_test = x_train / 255.0 , x_test / 255.0 from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Flatten, Dense, Dropout model = Sequential([ Flatten(input_shape=(28,28)), Dense(128, activation='relu'), Dense(128, activation='relu'), Dropout(0.2), Dense(10,activation='s..

mnist는 손글씨를 인식하는 대형 데어티베이스이다. keras와 tensorflow를 이용해 그 기초 코드를 만들어 보았다. import tensorflow as tf import matplotlib.pyplot as plt import numpy as np mnist = tf.keras.datasets.mnist (x_train, y_train), (x_test, y_test) = mnist.load_data() plt.imshow(x_train[0]) plt.show() print(x_train.shape) print(x_test.shape)

뉴럴 링크(Neural Link)란? 뉴럴링크는 2016년부터 일론머스크가 추진해 온 인공지능과 뇌를 결합해 인간의 역량을 증강시키는 기술이다. 전극과 칩 등 인터페이스 장치를 뇌에 심어 그 전파로 인공지능의 정보를 교환할 수 있다. 처음에는 뇌가 조종될 수도 있을 것 같다는 막연한 생각이 들었지만, 실제로 이 기술이 실현된다면 의료분야에서 인지, 척수 관련 질환이나 시청각 장애를 가진 사람들의 질병을 극복하는데 크게 도움이 될 수 있을 것 같다. 그 외에도 인간의 감정이나 뇌에 관한 연구도 더 활발해 질 것 같다. 그리하여 인간을 넘어선 존재가 나오는 것은 아닌지 궁금해졌다. 특히 감정을 조절하거나 외국어를 다운로드할 수 있는 등의 기능이 신기하게 느껴졌다. 하지만 상용화가 될 수 있을지는 의구심이 들..

keras와 손실함수를 이용한 폐암 수술 후 생존률 예측 from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense #DNN import numpy as np import tensorflow as tf Data_set = np.loadtxt('/content/ThoraricSurgery.csv', delimiter=",") print(Data_set) # 데이터 나열형으로 우선 출력 X_data = Data_set[:,0:17] Y_data = Data_set[:,17] #모든 행, 열은 17번째 열만 들고 오겠다. (0: 생존x, 1:생존) #시그모이드 모델 정의하기 model = Sequential()..

미래에는 딥러닝과 선형회귀가 어떻게 활용될까? 경제 분야: 한 국가의 경제성장률(GDP)등 성장 지표를 더 정확하게 분석할 수 있을 것이며, 선택의 확률 분야에서도 발전이 있을 것이다. 또한 경기의 흐름을 분석하고 예측해 통화 정책의 결과를 예측할 수 있을 것이다. 주식 시장의 전망을 내다보는데도 이미 활용되고 있다. 정치/외교 분야: 빅데이터를 통해 방대한 자료를 효율적으로 수집하고 선별해서 여론 조사, 국제 정세에 대한 흐름 분석, 사건 정보 획득 등에 활용할 수 있다. 또한 그러한 데이터를 바탕으로 선형회귀 모델을 시행한다면 판단이나 정책 시행에 따른 결과를 미리 정확하게 예측해볼 수 있다. 현재 개발 중에 있는 ‘AI 지휘 결심 지원체계’,‘데이터경제 활성화 전략’ 처럼 점차 AI로 예측해서 합리..

로지스틱 회귀와 시그모이드 함수에 경사하강법 적용하기 1. 로지스틱 회귀(Logistic Regression) 로지스틱 회귀는 s자 형태의 곡선으로서, 학습된 분류선을 통해 입력값에 따라 0 또는 1로 분류하는 알고리즘이다. 2. 시그모이드 함수(Sigmoid Function) 시그모이드 함수는 0과 1 사이의 확률을 모두 표현할 수 있는 s자 모양의 그래프로, y = 1/(1+e^(-z)) 꼴로 z는 ax+b의 꼴이 들어간다. 선형 방정식의 a(기울기)는 시그모이드 그래프의 경사도를 의미하며, b(y절편)는 그래프의 좌우 이동을 의미한다. 0.5는 기본 임계값이다. *오차 공식: 오차들을 계산하는 함수를 손실 함수(loss function)라고 한다 로지스틱 회귀는 시그모이드 함수의 특징을 사용하여 로..