| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | ||||
| 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| 11 | 12 | 13 | 14 | 15 | 16 | 17 |
| 18 | 19 | 20 | 21 | 22 | 23 | 24 |
| 25 | 26 | 27 | 28 | 29 | 30 | 31 |
- convolution 역전파
- Beyond Linear Neural Networks
- 네이버커넥트재단
- LinearNeuralNetwork
- 정규표현식
- regular expression
- r
- RNN
- group_by( )
- summarise( )
- Multi-Layer Perceptron
- aitech
- mutate( )
- Filter
- Sequential Model
- 모각공
- 자바스크립트
- 생활코딩
- Convolution
- JavaScript
- 네이버커넥트
- regex
- 부스트캠프 aitech3기
- NomadCoder
- col_names
- dplyr
- 부스트캠프aitech3기
- 부스트캠프
- 역전파알고리즘
- 베이즈통계학
- Today
- Total
목록Convolution (2)
clear_uncertainty
네이버 부스트캠프 모각공 캠페인 10일차 - CNN-Convolution은 무엇인가?
모든 설명 및 자료의 출처는 네이버 부스트코스의 입니다. (https://www.boostcourse.org/onlyboostcampaitech3/joinLectures/329424) CNN-Convolution은 무엇인가? Convolution Continuous convolution Discrete convolution 2D image convolution Convolution 2D convolution RGB Image Convolution Stack of Convolution Convolution Neural Networks CNN consists of Convolution layer, pooling layer, and fully connected layer. Convolution and pool..
네이버 부스트캠프 모각공 캠페인 8일차 - CNN 첫걸음
모든 설명 및 자료의 출처는 네이버 부스트코스의 입니다. (https://www.boostcourse.org/onlyboostcampaitech3/joinLectures/329424) CNN 첫걸음 Convolution 연산 이해하기 지금까지 배운 다층신경망(MLP)는 각 뉴런들이 선형모델과 활성함수로 모두 연결된(fully connected) 구조였습니다. 여기서 문제는 각 성분 h(i)에 대응하는 가중치 행 W(i)가 필요하다는 것이였습니다. Convolution 연산은 이와 달리 커널을 입력벡터 상에서 움직여가면서 선형모델과 합성함수가 적용되는 구조입니다. V에 해당하는 것이 커널(kernel)입니다. 활성화 함수를 제외한 Convolution 연산도 선형변환에 속합니다. Convolution 연산..