[22동계모각코] 6회 계획 및 평가

*5회차는 개인사정으로 불참

---

시작 시간 : 23-01-24 오후 6시

오늘의 목표

LG Aimers: AI전문가과정 - Module 4. 『딥러닝(Deep Learning)』 - 학습 완료하기

---

gradient diescent의 기본 개념

neural network의 기본적인 학습 과정에서 사용하는 기본 알고리즘.

---

back propagation 기법

Deep learning이 하나의 합성 함수로 봤을 때에 각각의 편미분을 구할 수 있는 방법

---

 

gradient vanishing

---

 

batch normalization

---

CNN

특정 class에 존재할 수 있는 작은 특정 패턴들을 정의하고, 그 패턴들이 주어진 이미지 상에 존재하는지 판단한다.

지난 학기 '인공지능과 미래사회' 수업에서 배웠던 내용이다.

특징 추출

• 수업시간에 교수님께 질문했던 내용인데, 이 패턴들은 연구자 또는 사용자가 직접 추출하는 것이 아니라 AI가 학습하면서 특정 패턴(특징)들을 추출하고, 그 특징들이 이미지 상에 있는지 맞춰본다고 한다. 

패턴 존재 유무 판단 방법

• 오버랩 한 위치에서 특정 패턴과의 매칭 되는 정도를 정량적으로 계산한다.
• 패턴 이미지(패치)에 정의된 pixel의 값을 주어진 이미지의 같은 위치에 있는 값을 곱한다.
• 그렇게 한 패치로 구해낸 값들의 평균을 구한다.
• (패턴들을 이미지의 처음부터 끝까지 pixel 단위로 한 칸 한 칸 움직이면서 이미지에 오버랩을 시켜본다.)
• (패턴의 개수 만큼 위 작업은 더 진행된다.)

필터(패턴맵)를 통해서 계산해낸 값들로 활성화 지도(activation map)이라는 것을 구해낼 수 있다.