브렌쏭의 Veritas_Garage

경사하강, Gradient Descent Calculation SpeedProximityLevelNumerical gradientslow 😢approximate 😢Easy to Write 🤩Analytic gradientF A S T 🤩Exact 🤩error-prone 😢 So, Analytic gradient is better  어쨌든 확률 + 표본을 통한 해석적 경사하강법을 이용하는 것이 효율적이다.함수가 복잡해지면 복잡해질수록 각 표본이 기하급수적으로 늘어나므로 훨씬 이득이라고 할수있으며, 최신 방식을 일일히 경사하강법으로 구하고 있다면 연산량이 너무 많아진다. Back Propagation : 역전파함수에 대한 computational graph를 제작한다각 local gradient를..

실제 상황에서 K-Nearest Neighbor는 이미지 분류에는 사용되지 않는다이미지를 훈련하는 시간은 상대적으로 짧지만 정작 예측하는 속도가 느리다이미지와 같은 데이터가 고해상도로 올라갈수록 연산 난이도가 급격히 상승한다이미지가 고차원적으로 갈수록 N의 제곱으로 분석할 포인트들이 생겨난다Linear Classification :: 뉴럴 네트워크의 레고 블록Linear classification 이란 무엇인가, 하니 개체를 인식할때 보다 '관념적'으로 접근할 수 있도록 하는 것에 가깝다.물론 컴퓨터가 관념을 가진다는 이야기는 아니고, 굉장히 구체적이고 단편적인 예시들로 훈련을 거쳐 조금만 달라져도 인식을 못하던 이전 방식 대신에, 모호하고 포괄적인 이미지를 비교대상으로 삼고 물체를 인식하는 것이다.여기..

https://youtu.be/vT1JzLTH4G4?si=oDmUJARdA8vrvJdI# 안구의 구조를 모방하며 개발된 카메라를 시작으로, 단순히 구조를 모방하는 것 뿐만 아니라 시각적 인지를 하는 방법에 주목하기 시작했다. # 실험동물의 대뇌피질이나 후두엽에 전극을 연결하고 실험한 결과 물체를 인지하기 위해서 특정 각도의 선, 형태를 각각 받아들이는 요소들이 뉴런 중에 있음을 알게 되었다. # 대략적으로 뇌 / 인지 심리학에서 배우는 내용이었다. # 애초에 '인식'을 하기 이전에 이미지로 부터 각각의 물체를 '구분'하는 것 부터가 난관이었다.1999 / 2000 년도 :: 기계학습의 시작- Neural Network, Support Vector Machine 등등의 기술이 발전하면서 최초의 얼굴인식 카..