신경망 기초와 역전파 알고리즘의 수학적 이해
1. 시그모이드 뉴런과 신경망 구조
기본적인 퍼셉트론 모델의 한계를 극복하기 위해 제안된 시그모이드 뉴런은 입력값의 작은 변화가 출력값의 작은 변화로 이어지게 설계되었습니다. 이는 신경망이 점진적으로 학습할 수 있는 기반이 됩니다. 활성화 함수로 사용되는 시그모이드 함수 \(\sigma(z) = \frac{1}{1+e^{-z}}\)는 출력을 0과 1 사이로 매끄럽게 제한합니다.
신 ...
7월 27일 10:03에 게시됨
PyTorch를 사용한 MNIST 숫자 인식 모델 구현
MNIST 데이터셋 로드
학습 및 테스트 데이터를 준비하는 과정은 다음과 같다:
import torch
import torchvision
from torch.utils.data import DataLoader
transform = torchvision.transforms.ToTensor()
training_dataset = torchvision.datasets.MNIST(
root='./data',
train=True,
transform=transform,
download=True
)
testing_dataset = torchvi ...
7월 10일 01:54에 게시됨
PyTorch 기초 튜토리얼: 딥러닝 모델 개발 시작하기
이 문서는 PyTorch를 사용하여 머신러닝 작업을 수행하는 기본적인 API와 절차를 소개합니다. 각 섹션의 링크를 통해 더 자세한 내용을 확인할 수 있습니다.
데이터 처리
PyTorch에서 데이터 작업을 위한 두 가지 핵심 구성 요소는 torch.utils.data.DataLoader와 torch.utils.data.Dataset입니다. Dataset은 샘플과 해당 레이블을 저장하고, DataLoader는 Dataset에 대 ...
6월 23일 18:19에 게시됨
생물의학 개체명 인식을 위한 다중 작업 학습 신경망 구축 및 실행 가이드
1. 아키텍처 및 프로젝트 개요
MTL-Bioinformatics-2016는 생물의학 텍스트 내의 개체명 인식(NER) 성능을 극대화하기 위해 고안된 다중 작업 학습(Multi-Task Learning, MTL) 기반의 신경망 프레임워크입니다. 이 시스템은 단일 작업 모델의 한계를 극복하고, 화학 물질, 질병, 유전자 등 다양한 생물의학 엔티티 간의 의미적 상관관계를 공동으로 학습하여 일반화 성능을 ...
5월 29일 10:08에 게시됨