Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.
딥러닝의 인공지능 수단으로
서의 성격과 방향
이동윤
의도
• 기초적 개념인 유사도 거리의 이해
• 구성적 접근에 대한 옹호관점
• 그 관점 하에서 딥뉴럴넷 최종 2개층이 가지는
특수성에 대한 환기
• 최종 은닉층이 가지는 특수성과 가져야 할 바람
직한 특성에 대한 설명
...
1. 인공지능이란?
• 컴퓨터비젼
• 음성인식/합성
• 자연어이해
• 기타
http://blog.kevinfream.com/2013/08/22/life-after-the-robots/
1. 인공지능이란?
- 여러 고려사...
여러 고려사항
1. 인공지능이란?
- 여러 고려사항
- 회귀와 분류
2. 분류수행의 두가지 스타일
- 틀린걸 가르기
- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의
딥러닝
4. 뉴럴넷의 역사
-다층 퍼셉트론
-다층 ...
회귀와 분류
1. 인공지능이란?
- 여러 고려사항
- 회귀와 분류
2. 분류수행의 두가지 스타일
- 틀린걸 가르기
- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의
딥러닝
4. 뉴럴넷의 역사
-다층 퍼셉트론
-다층 퍼...
분류수행의 두가지 스타일
1. 인공지능이란?
- 여러 고려사항
- 회귀와 분류
2. 분류수행의 두가지 스타일
- 틀린걸 가르기
- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의
딥러닝
4. 뉴럴넷의 역사
-다층 퍼셉트...
틀린걸 가르기
1. 인공지능이란?
- 여러 고려사항
- 회귀와 분류
2. 분류수행의 두가지 스타일
- 틀린걸 가르기
- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의
딥러닝
4. 뉴럴넷의 역사
-다층 퍼셉트론
-다층 ...
닮은걸 찾아내기
1. 인공지능이란?
- 여러 고려사항
- 회귀와 분류
2. 분류수행의 두가지 스타일
- 틀린걸 가르기
- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의
딥러닝
4. 뉴럴넷의 역사
-다층 퍼셉트론
-다층...
회귀와 분류
1. 인공지능이란?
- 여러 고려사항
- 회귀와 분류
2. 분류수행의 두가지 스타일
- 틀린걸 가르기
- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의
딥러닝
4. 뉴럴넷의 역사
-다층 퍼셉트론
-다층 퍼...
다층 퍼셉트론
1. 인공지능이란?
- 여러 고려사항
- 회귀와 분류
2. 분류수행의 두가지 스타일
- 틀린걸 가르기
- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의
딥러닝
4. 뉴럴넷의 역사
-다층 퍼셉트론
-다층 ...
다층 퍼셉트론의 한계와 딥러닝
1. 인공지능이란?
- 여러 고려사항
- 회귀와 분류
2. 분류수행의 두가지 스타일
- 틀린걸 가르기
- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의
딥러닝
4. 뉴럴넷의 역사
-다층 ...
5. 딥러닝 돌파구
1. 인공지능이란?
- 여러 고려사항
- 회귀와 분류
2. 분류수행의 두가지 스타일
- 틀린걸 가르기
- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의
딥러닝
4. 뉴럴넷의 역사
-다층 퍼셉트론
-...
3가지 딥뉴럴넷
1. 인공지능이란?
- 여러 고려사항
- 회귀와 분류
2. 분류수행의 두가지 스타일
- 틀린걸 가르기
- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의
딥러닝
4. 뉴럴넷의 역사
-다층 퍼셉트론
-다층...
딥뉴럴넷의 공통특징
1. 인공지능이란?
- 여러 고려사항
- 회귀와 분류
2. 분류수행의 두가지 스타일
- 틀린걸 가르기
- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의
딥러닝
4. 뉴럴넷의 역사
-다층 퍼셉트론
-...
딥뉴럴넷의 공통특징
1. 인공지능이란?
- 여러 고려사항
- 회귀와 분류
2. 분류수행의 두가지 스타일
- 틀린걸 가르기
- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의
딥러닝
4. 뉴럴넷의 역사
-다층 퍼셉트론
-...
결맞음
1. 인공지능이란?
- 여러 고려사항
- 회귀와 분류
2. 분류수행의 두가지 스타일
- 틀린걸 가르기
- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의
딥러닝
4. 뉴럴넷의 역사
-다층 퍼셉트론
-다층 퍼셉트론...
패턴인식에서의 결맞음
1. 인공지능이란?
- 여러 고려사항
- 회귀와 분류
2. 분류수행의 두가지 스타일
- 틀린걸 가르기
- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의
딥러닝
4. 뉴럴넷의 역사
-다층 퍼셉트론
...
패턴인식에서의 결맞음
1. 인공지능이란?
- 여러 고려사항
- 회귀와 분류
2. 분류수행의 두가지 스타일
- 틀린걸 가르기
- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의
딥러닝
4. 뉴럴넷의 역사
-다층 퍼셉트론
...
딥러닝에 있어서의 결맞음
1. 인공지능이란?
- 여러 고려사항
- 회귀와 분류
2. 분류수행의 두가지 스타일
- 틀린걸 가르기
- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의
딥러닝
4. 뉴럴넷의 역사
-다층 퍼셉트...
결맞음 계산법
1. 인공지능이란?
- 여러 고려사항
- 회귀와 분류
2. 분류수행의 두가지 스타일
- 틀린걸 가르기
- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의
딥러닝
4. 뉴럴넷의 역사
-다층 퍼셉트론
-다층 ...
결맞음 계산법
1. 인공지능이란?
- 여러 고려사항
- 회귀와 분류
2. 분류수행의 두가지 스타일
- 틀린걸 가르기
- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의
딥러닝
4. 뉴럴넷의 역사
-다층 퍼셉트론
-다층 ...
완전한 결맞음을 향하여
1. 인공지능이란?
- 여러 고려사항
- 회귀와 분류
2. 분류수행의 두가지 스타일
- 틀린걸 가르기
- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의
딥러닝
4. 뉴럴넷의 역사
-다층 퍼셉트론...
끝
Prochain SlideShare
Chargement dans…5
×
Prochain SlideShare
영상 데이터의 처리와 정보의 추출
Suivant
Télécharger pour lire hors ligne et voir en mode plein écran

22

Partager

Télécharger pour lire hors ligne

Deep learning as_WaveExtractor

Télécharger pour lire hors ligne

Difference between Discriminative Learning and Generative Learning
Cosine distance as a Basic metric of Deep Learning
Multi-layer Perceptron as a common part of Deep Learning Variants
Analogy between Similarity in Deep Learning and Wave Coherence
Deep Neural Net. as a Wave Extractor

Deep learning as_WaveExtractor

  1. 1. 딥러닝의 인공지능 수단으로 서의 성격과 방향 이동윤
  2. 2. 의도 • 기초적 개념인 유사도 거리의 이해 • 구성적 접근에 대한 옹호관점 • 그 관점 하에서 딥뉴럴넷 최종 2개층이 가지는 특수성에 대한 환기 • 최종 은닉층이 가지는 특수성과 가져야 할 바람 직한 특성에 대한 설명 • 바람직한 최종은닉층 출력을 돕는 수단으로서 현 재의 역전파 학습을 제외한 수단의 필요성 환기 • 그 측면에서 딥뉴럴넷들이 성공을 거둘 수 있었 던 원인을 설명하려는 첫 시도 (내용은 없고 도입 만.) http://blog.kevinfream.com/2013/08/22/life-after-the-robots/ 1. 인공지능이란? - 여러 고려사항 - 회귀와 분류 2. 분류수행의 두가지 스타일 - 틀린걸 가르기 - 닮은걸 찾아내기 3. 닮은걸 찾아내는 도구로서의 딥러닝 4. 뉴럴넷의 역사 -다층 퍼셉트론 -다층 퍼셉트론의 한계와 딥러닝 5. 딥러닝 돌파구 -3가지 딥뉴럴넷 -딥뉴럴넷의 공통특징 5. 특징추출기의 강화방향 -결맞음 -패턴인식에서의 결맞음 -딥러닝에 있어서의 결맞음 -결맞음 계산법 6. 완전한 결맞음을 향하여
  3. 3. 1. 인공지능이란? • 컴퓨터비젼 • 음성인식/합성 • 자연어이해 • 기타 http://blog.kevinfream.com/2013/08/22/life-after-the-robots/ 1. 인공지능이란? - 여러 고려사항 - 회귀와 분류 2. 분류수행의 두가지 스타일 - 틀린걸 가르기 - 닮은걸 찾아내기 3. 닮은걸 찾아내는 도구로서의 딥러닝 4. 뉴럴넷의 역사 -다층 퍼셉트론 -다층 퍼셉트론의 한계와 딥러닝 5. 딥러닝 돌파구 -3가지 딥뉴럴넷 -딥뉴럴넷의 공통특징 5. 특징추출기의 강화방향 -결맞음 -패턴인식에서의 결맞음 -딥러닝에 있어서의 결맞음 -결맞음 계산법 6. 완전한 결맞음을 향하여
  4. 4. 여러 고려사항 1. 인공지능이란? - 여러 고려사항 - 회귀와 분류 2. 분류수행의 두가지 스타일 - 틀린걸 가르기 - 닮은걸 찾아내기 3. 닮은걸 찾아내는 도구로서의 딥러닝 4. 뉴럴넷의 역사 -다층 퍼셉트론 -다층 퍼셉트론의 한계와 딥러닝 5. 딥러닝 돌파구 -3가지 딥뉴럴넷 -딥뉴럴넷의 공통특징 5. 특징추출기의 강화방향 -결맞음 -패턴인식에서의 결맞음 -딥러닝에 있어서의 결맞음 -결맞음 계산법 6. 완전한 결맞음을 향하여 직접 가르칠 것인가 Vs. 스스로 배우게 할 것인가 (비통계적학습 대 통계적-) 아는걸 다뤄 아는걸 내게 할 것인가 Vs. 모르는거에서 아는걸 내 게할것인가 (기호처리 대 인식) 도달할 목표를 제시할 것 인가 Vs. 스스로 개척해가게할 것 인가 (지도학습 대 비지도-) 명확히 판단을 하게할 것 인가 Vs. 가까운 추측만 하게할 것 인가 (분류 대 회귀) 인간의 추측에서 시작하 게 할 것인가 Vs. 스스로 개척하게할 것인 가 (모수적학습 대 비모수적-) 다른지를 따지게 할 것인 가 Vs. 닮았는지를 조사하게 할 것인가 (판별과 구성) …
  5. 5. 회귀와 분류 1. 인공지능이란? - 여러 고려사항 - 회귀와 분류 2. 분류수행의 두가지 스타일 - 틀린걸 가르기 - 닮은걸 찾아내기 3. 닮은걸 찾아내는 도구로서의 딥러닝 4. 뉴럴넷의 역사 -다층 퍼셉트론 -다층 퍼셉트론의 한계와 딥러닝 5. 딥러닝 돌파구 -3가지 딥뉴럴넷 -딥뉴럴넷의 공통특징 5. 특징추출기의 강화방향 -결맞음 -패턴인식에서의 결맞음 -딥러닝에 있어서의 결맞음 -결맞음 계산법 6. 완전한 결맞음을 향하여 Q. 짜장면 먹을래 짬뽕 먹을래? A. 짜장면은 약간 끌리고 짬뽕은 야~악간 끌려 (회귀) A. 짬뽕이 짜장면보다 더 좋으니 짬뽕 먹을래 (분류)
  6. 6. 분류수행의 두가지 스타일 1. 인공지능이란? - 여러 고려사항 - 회귀와 분류 2. 분류수행의 두가지 스타일 - 틀린걸 가르기 - 닮은걸 찾아내기 3. 닮은걸 찾아내는 도구로서의 딥러닝 4. 뉴럴넷의 역사 -다층 퍼셉트론 -다층 퍼셉트론의 한계와 딥러닝 5. 딥러닝 돌파구 -3가지 딥뉴럴넷 -딥뉴럴넷의 공통특징 5. 특징추출기의 강화방향 -결맞음 -패턴인식에서의 결맞음 -딥러닝에 있어서의 결맞음 -결맞음 계산법 6. 완전한 결맞음을 향하여 1. 다른지에 중점 나와 가장 다른 건. 톰이니 난 톰과는 한 조가 되지 않을래 2. 닮은지에 중점 나와 가장 닮은 건. 제인이니 난 제인과 한 조가 될래 http://www.evolvingai.org/fooling
  7. 7. 틀린걸 가르기 1. 인공지능이란? - 여러 고려사항 - 회귀와 분류 2. 분류수행의 두가지 스타일 - 틀린걸 가르기 - 닮은걸 찾아내기 3. 닮은걸 찾아내는 도구로서의 딥러닝 4. 뉴럴넷의 역사 -다층 퍼셉트론 -다층 퍼셉트론의 한계와 딥러닝 5. 딥러닝 돌파구 -3가지 딥뉴럴넷 -딥뉴럴넷의 공통특징 5. 특징추출기의 강화방향 -결맞음 -패턴인식에서의 결맞음 -딥러닝에 있어서의 결맞음 -결맞음 계산법 6. 완전한 결맞음을 향하여 http://www.evolvingai.org/fooling Q A
  8. 8. 닮은걸 찾아내기 1. 인공지능이란? - 여러 고려사항 - 회귀와 분류 2. 분류수행의 두가지 스타일 - 틀린걸 가르기 - 닮은걸 찾아내기 3. 닮은걸 찾아내는 도구로서의 딥러닝 4. 뉴럴넷의 역사 -다층 퍼셉트론 -다층 퍼셉트론의 한계와 딥러닝 5. 딥러닝 돌파구 -3가지 딥뉴럴넷 -딥뉴럴넷의 공통특징 5. 특징추출기의 강화방향 -결맞음 -패턴인식에서의 결맞음 -딥러닝에 있어서의 결맞음 -결맞음 계산법 6. 완전한 결맞음을 향하여 Cat face: https://wallpaperscraft.com/download/cat_face_happy_56740/2560x1440 ? Network: http://www.turingfinance.com/misconceptions-about-neural-networks/
  9. 9. 회귀와 분류 1. 인공지능이란? - 여러 고려사항 - 회귀와 분류 2. 분류수행의 두가지 스타일 - 틀린걸 가르기 - 닮은걸 찾아내기 3. 닮은걸 찾아내는 도구로서의 딥러닝 4. 뉴럴넷의 역사 -다층 퍼셉트론 -다층 퍼셉트론의 한계와 딥러닝 5. 딥러닝 돌파구 -3가지 딥뉴럴넷 -딥뉴럴넷의 공통특징 5. 특징추출기의 강화방향 -결맞음 -패턴인식에서의 결맞음 -딥러닝에 있어서의 결맞음 -결맞음 계산법 6. 완전한 결맞음을 향하여 .
  10. 10. 다층 퍼셉트론 1. 인공지능이란? - 여러 고려사항 - 회귀와 분류 2. 분류수행의 두가지 스타일 - 틀린걸 가르기 - 닮은걸 찾아내기 3. 닮은걸 찾아내는 도구로서의 딥러닝 4. 뉴럴넷의 역사 -다층 퍼셉트론 -다층 퍼셉트론의 한계와 딥러닝 5. 딥러닝 돌파구 -3가지 딥뉴럴넷 -딥뉴럴넷의 공통특징 5. 특징추출기의 강화방향 -결맞음 -패턴인식에서의 결맞음 -딥러닝에 있어서의 결맞음 -결맞음 계산법 6. 완전한 결맞음을 향하여 http://docs.opencv.org/modules/ml/doc/n eural_networks.html
  11. 11. 다층 퍼셉트론의 한계와 딥러닝 1. 인공지능이란? - 여러 고려사항 - 회귀와 분류 2. 분류수행의 두가지 스타일 - 틀린걸 가르기 - 닮은걸 찾아내기 3. 닮은걸 찾아내는 도구로서의 딥러닝 4. 뉴럴넷의 역사 -다층 퍼셉트론 -다층 퍼셉트론의 한계와 딥러닝 5. 딥러닝 돌파구 -3가지 딥뉴럴넷 -딥뉴럴넷의 공통특징 5. 특징추출기의 강화방향 -결맞음 -패턴인식에서의 결맞음 -딥러닝에 있어서의 결맞음 -결맞음 계산법 6. 완전한 결맞음을 향하여 . More is Better?
  12. 12. 5. 딥러닝 돌파구 1. 인공지능이란? - 여러 고려사항 - 회귀와 분류 2. 분류수행의 두가지 스타일 - 틀린걸 가르기 - 닮은걸 찾아내기 3. 닮은걸 찾아내는 도구로서의 딥러닝 4. 뉴럴넷의 역사 -다층 퍼셉트론 -다층 퍼셉트론의 한계와 딥러닝 5. 딥러닝 돌파구 -3가지 딥뉴럴넷 -딥뉴럴넷의 공통특징 5. 특징추출기의 강화방향 -결맞음 -패턴인식에서의 결맞음 -딥러닝에 있어서의 결맞음 -결맞음 계산법 6. 완전한 결맞음을 향하여
  13. 13. 3가지 딥뉴럴넷 1. 인공지능이란? - 여러 고려사항 - 회귀와 분류 2. 분류수행의 두가지 스타일 - 틀린걸 가르기 - 닮은걸 찾아내기 3. 닮은걸 찾아내는 도구로서의 딥러닝 4. 뉴럴넷의 역사 -다층 퍼셉트론 -다층 퍼셉트론의 한계와 딥러닝 5. 딥러닝 돌파구 -3가지 딥뉴럴넷 -딥뉴럴넷의 공통특징 5. 특징추출기의 강화방향 -결맞음 -패턴인식에서의 결맞음 -딥러닝에 있어서의 결맞음 -결맞음 계산법 6. 완전한 결맞음을 향하여 Deep Belief Net. Long Short-Term Memory Convolutional Neural Net.
  14. 14. 딥뉴럴넷의 공통특징 1. 인공지능이란? - 여러 고려사항 - 회귀와 분류 2. 분류수행의 두가지 스타일 - 틀린걸 가르기 - 닮은걸 찾아내기 3. 닮은걸 찾아내는 도구로서의 딥러닝 4. 뉴럴넷의 역사 -다층 퍼셉트론 -다층 퍼셉트론의 한계와 딥러닝 5. 딥러닝 돌파구 -3가지 딥뉴럴넷 -딥뉴럴넷의 공통특징 5. 특징추출기의 강화방향 -결맞음 -패턴인식에서의 결맞음 -딥러닝에 있어서의 결맞음 -결맞음 계산법 6. 완전한 결맞음을 향하여 All successful deep neural net has … … common part at those tail. Technically speaking, just {generative classification}-wise tendency can induces the special interests in this part. (together with Softmax judging way).
  15. 15. 딥뉴럴넷의 공통특징 1. 인공지능이란? - 여러 고려사항 - 회귀와 분류 2. 분류수행의 두가지 스타일 - 틀린걸 가르기 - 닮은걸 찾아내기 3. 닮은걸 찾아내는 도구로서의 딥러닝 4. 뉴럴넷의 역사 -다층 퍼셉트론 -다층 퍼셉트론의 한계와 딥러닝 5. 딥러닝 돌파구 -3가지 딥뉴럴넷 -딥뉴럴넷의 공통특징 5. 특징추출기의 강화방향 -결맞음 -패턴인식에서의 결맞음 -딥러닝에 있어서의 결맞음 -결맞음 계산법 6. 완전한 결맞음을 향하여 All successful deep neural net has … … common part at those tail. Improved part is here
  16. 16. 결맞음 1. 인공지능이란? - 여러 고려사항 - 회귀와 분류 2. 분류수행의 두가지 스타일 - 틀린걸 가르기 - 닮은걸 찾아내기 3. 닮은걸 찾아내는 도구로서의 딥러닝 4. 뉴럴넷의 역사 -다층 퍼셉트론 -다층 퍼셉트론의 한계와 딥러닝 5. 딥러닝 돌파구 -3가지 딥뉴럴넷 -딥뉴럴넷의 공통특징 5. 특징추출기의 강화방향 -결맞음 -패턴인식에서의 결맞음 -딥러닝에 있어서의 결맞음 -결맞음 계산법 6. 완전한 결맞음을 향하여 Coherent waves vs. Incoherent waves Same Be equal Not be equal
  17. 17. 패턴인식에서의 결맞음 1. 인공지능이란? - 여러 고려사항 - 회귀와 분류 2. 분류수행의 두가지 스타일 - 틀린걸 가르기 - 닮은걸 찾아내기 3. 닮은걸 찾아내는 도구로서의 딥러닝 4. 뉴럴넷의 역사 -다층 퍼셉트론 -다층 퍼셉트론의 한계와 딥러닝 5. 딥러닝 돌파구 -3가지 딥뉴럴넷 -딥뉴럴넷의 공통특징 5. 특징추출기의 강화방향 -결맞음 -패턴인식에서의 결맞음 -딥러닝에 있어서의 결맞음 -결맞음 계산법 6. 완전한 결맞음을 향하여 How can I know, How well-coherent two waves are? Well Bad
  18. 18. 패턴인식에서의 결맞음 1. 인공지능이란? - 여러 고려사항 - 회귀와 분류 2. 분류수행의 두가지 스타일 - 틀린걸 가르기 - 닮은걸 찾아내기 3. 닮은걸 찾아내는 도구로서의 딥러닝 4. 뉴럴넷의 역사 -다층 퍼셉트론 -다층 퍼셉트론의 한계와 딥러닝 5. 딥러닝 돌파구 -3가지 딥뉴럴넷 -딥뉴럴넷의 공통특징 5. 특징추출기의 강화방향 -결맞음 -패턴인식에서의 결맞음 -딥러닝에 있어서의 결맞음 -결맞음 계산법 6. 완전한 결맞음을 향하여 This kind of problem can cover various cases. How much coherent? (Coherency  Similarity and Waves  Features)
  19. 19. 딥러닝에 있어서의 결맞음 1. 인공지능이란? - 여러 고려사항 - 회귀와 분류 2. 분류수행의 두가지 스타일 - 틀린걸 가르기 - 닮은걸 찾아내기 3. 닮은걸 찾아내는 도구로서의 딥러닝 4. 뉴럴넷의 역사 -다층 퍼셉트론 -다층 퍼셉트론의 한계와 딥러닝 5. 딥러닝 돌파구 -3가지 딥뉴럴넷 -딥뉴럴넷의 공통특징 5. 특징추출기의 강화방향 -결맞음 -패턴인식에서의 결맞음 -딥러닝에 있어서의 결맞음 -결맞음 계산법 6. 완전한 결맞음을 향하여 The final part of neural net checks coherency. How much coherent? (Coherency  Similarity and Waves  Features)
  20. 20. 결맞음 계산법 1. 인공지능이란? - 여러 고려사항 - 회귀와 분류 2. 분류수행의 두가지 스타일 - 틀린걸 가르기 - 닮은걸 찾아내기 3. 닮은걸 찾아내는 도구로서의 딥러닝 4. 뉴럴넷의 역사 -다층 퍼셉트론 -다층 퍼셉트론의 한계와 딥러닝 5. 딥러닝 돌파구 -3가지 딥뉴럴넷 -딥뉴럴넷의 공통특징 5. 특징추출기의 강화방향 -결맞음 -패턴인식에서의 결맞음 -딥러닝에 있어서의 결맞음 -결맞음 계산법 6. 완전한 결맞음을 향하여 Geometrical Understanding of Coherency
  21. 21. 결맞음 계산법 1. 인공지능이란? - 여러 고려사항 - 회귀와 분류 2. 분류수행의 두가지 스타일 - 틀린걸 가르기 - 닮은걸 찾아내기 3. 닮은걸 찾아내는 도구로서의 딥러닝 4. 뉴럴넷의 역사 -다층 퍼셉트론 -다층 퍼셉트론의 한계와 딥러닝 5. 딥러닝 돌파구 -3가지 딥뉴럴넷 -딥뉴럴넷의 공통특징 5. 특징추출기의 강화방향 -결맞음 -패턴인식에서의 결맞음 -딥러닝에 있어서의 결맞음 -결맞음 계산법 6. 완전한 결맞음을 향하여 Euclidean Distance vs. Cosine Distance
  22. 22. 완전한 결맞음을 향하여 1. 인공지능이란? - 여러 고려사항 - 회귀와 분류 2. 분류수행의 두가지 스타일 - 틀린걸 가르기 - 닮은걸 찾아내기 3. 닮은걸 찾아내는 도구로서의 딥러닝 4. 뉴럴넷의 역사 -다층 퍼셉트론 -다층 퍼셉트론의 한계와 딥러닝 5. 딥러닝 돌파구 -3가지 딥뉴럴넷 -딥뉴럴넷의 공통특징 5. 특징추출기의 강화방향 -결맞음 -패턴인식에서의 결맞음 -딥러닝에 있어서의 결맞음 -결맞음 계산법 6. 완전한 결맞음을 향하여 The competency for ‘good wave extractor’.
  23. 23.
  • ssuser8d5b54

    Dec. 12, 2018
  • choeungjin

    Dec. 24, 2016
  • mindhacker7

    Sep. 22, 2016
  • neotevan

    Sep. 19, 2016
  • poterius

    Sep. 19, 2016
  • junmyoungyoun

    Sep. 19, 2016
  • iwoz

    Sep. 19, 2016
  • hongjunk

    Sep. 19, 2016
  • ssuser0d404f

    Sep. 19, 2016
  • ssusercfeaaf

    Sep. 19, 2016
  • WonseokChoi15

    Sep. 19, 2016
  • atmelk

    Sep. 19, 2016
  • JungKim2

    Sep. 19, 2016
  • SunnyboysSon

    Sep. 19, 2016
  • opendori

    Mar. 25, 2016
  • ljhmir

    Jan. 19, 2016
  • liveegg

    Jan. 6, 2016
  • hyojunguy

    Jan. 5, 2016
  • ssuser5b881c

    Jan. 5, 2016
  • moongux

    Jan. 5, 2016

Difference between Discriminative Learning and Generative Learning Cosine distance as a Basic metric of Deep Learning Multi-layer Perceptron as a common part of Deep Learning Variants Analogy between Similarity in Deep Learning and Wave Coherence Deep Neural Net. as a Wave Extractor

Vues

Nombre de vues

2 686

Sur Slideshare

0

À partir des intégrations

0

Nombre d'intégrations

148

Actions

Téléchargements

55

Partages

0

Commentaires

0

Mentions J'aime

22

×