Red Laboratory

학습 알고리즘은 매우 획기적으로 들립니다. 하지만 어떻게 우리가 뉴런 네트워크를 위한 그런 알고리즘을 창안할 수 있을까요? 우리가 어떤 문제를 풀기위해 학습을 할 퍼셉트론의 네트워크를 가지고 있다고 가정해 봅시다. 예를 들어, 네트워크의 입력값은 손으로 쓴 숫자 이미지를 스캔한 픽셀 데이터 일 것입니다. 그리고 우리는 가중치와 $bias$값들을 조정하여 정확한 숫자의 결과를 내놓는 네트워크를 원할 것 입니다. 어떻게 학습이 이뤄지는지 보기 위하여 우리가 네트워크에서 가중치 또는 $bias$에서 작은 변화를 주었다고 가정해 봅시다. 우리가 원하는 결과는 우리가 가중치 또는 $bias$에 준 작은 변화가 오직 네트워크의 출력값에 원하는 작은 변화가 일어나는 것 입니다. 이런 특징이 학습이 가능토록 하는 부분..

뉴런 네트워크란 무엇인가요? 시작하기에 앞서, 저는 퍼셉트론이라고 불리는 가상 뉴런의 한 종류에 대해 설명하고자 합니다. 퍼셉트론은 워렌 맥클로치와 월터 피치의 선행 연구에 영감을 받아 과학자 프랭크 로젯블랫에 의해 1950년과 1960년대 사이에 개발되었습니다. 오늘날에는 다른 뉴런 모델을 사용하는 것이 일반적입니다. 이 책과 대부분의 현대적 연구에서 사용되는 주된 뉴런 모델은 시그모이드 뉴런 이라고 불리는 뉴런입니다. 곧 시그모이드 뉴런에 대해 다룰것 이지만 왜 시그모이드 뉴런이 왜 그렇게 정의되었는지 알기 위해서는 퍼셉트론을 첫번째로 이해하는 시간을 가지는 것이 좋겠습니다. 그래서, 퍼셉트론 어떻게 작동할까요? 퍼셉트론은 $x_{1}$, $x_{2}$, ...와 같은 몇개의 이진 입력을 받습니다. ..

인간의 시각 체계는 세계에서 불가사의한 것들 중 하나입니다. 다음과 같은 손으로 쓴 숫자들을 한번 보세요.대부분의 사람들은 큰 노력없이 이 숫자들을 504192라고 읽을 수 있습니다. 우리 뇌의 각 좌뇌 우뇌에서, 인간은 $V1$이라고 알려진 첫번째 시각피질을 가지고 있고 이는 1억 4천만개의 뉴런들과 그것들 사이의 100억개 이상의 연결을 가지고 있습니다. 또한 $V1$ 뿐만 아니라 $V2$, $V3$, $V4$, $V5$의 여러개의 시각피질들을 통해 더욱 복잡한 이미지 처리를 합니다. 우린 시각적 세계를 이해하기 위해 수십억년동안 진화한 슈퍼컴퓨터를 머리에 이고 다니는 셈이죠. 손으로 쓴 숫자를 인식하는 것은 쉽지 않습니다. 그러나 우리 인간은 매우 놀랍게도 우리 눈이 우리에게 보여주는 것에 대한 감..

뉴런 네트워크는 이제까지 발명된 프로그래밍 패러다임중 가장 아름다운 것중 하나입니다. 일반적인 프로그래밍 방법에서, 우리는 컴퓨터에게 무슨 일을 해야하는지, 큰 문제들을 작은 단위로 쪼개면서, 컴퓨터가 수행하기 쉽도록 일들을 명확히 명시하였습니다. 반면에 뉴런 네트워크에서는 우리는 컴퓨터에게 어떻게 문제를 해결해야 하는지 알려주지 않습니다. 대신, 관측 가능한 데이터로 부터 배우고, 스스로의 해결책을 만들어 내놓습니다. 데이터로 부터 스스로 배운다는 사실이 매우 흥미로워 보입니다. 그러나 2006년 까지는 몇몇의 특정한 문제들을 제외하고서는 기존에 사용하던 해결책 보다 좋은 결과를 얻기 위한 학습 방법을 알지 못했습니다. 2006에 바뀐것은 딥 뉴런 네트워크라고 불리는 학습 기술입니다. 이 기술은 우리가..

이 글의 원문은 http://neuralnetworksanddeeplearning.com 입니다. 이 번역 글은 이 책의 저작자표시-비영리 라이센스를 따릅니다. 또한 이 글 또한 같은 라이센스를 따릅니다. 개인적인 공부(인공지능과 영어)와 정보 공유를 위해 번역을 시작하게 되었으며, 번역과 영어에 미숙하기 때문에 여러 오역등이 있을 수 있으며 오역, 오타 등알 발견했을 때 댓글로 알려주시면 수정하도록 하겠습니다. 아래서 부터는 해당 온라인 책의 내용입니다.뉴런 네트워크와 딥 러닝은 온라인으로 읽을 수 있는 무료 책 입니다. 이 책에서는 다음과 같은것을 배울 수 있습니다.뉴런 네트워크, 관측 가능한 데이터로 부터 학습하는 컴퓨터를 가능하게 하는 아름다운 생물학적 프로그래밍 패러다임딥 러닝, 뉴런 네트워크의..