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 |
- 네이버커넥트재단
- Sequential Model
- 부스트캠프
- convolution 역전파
- dplyr
- Filter
- 네이버커넥트
- 부스트캠프aitech3기
- col_names
- 역전파알고리즘
- 생활코딩
- group_by( )
- aitech
- 자바스크립트
- 베이즈통계학
- 모각공
- JavaScript
- Beyond Linear Neural Networks
- Convolution
- mutate( )
- RNN
- NomadCoder
- r
- regular expression
- 정규표현식
- regex
- LinearNeuralNetwork
- Multi-Layer Perceptron
- 부스트캠프 aitech3기
- summarise( )
- Today
- Total
목록RNN (2)
clear_uncertainty

모든 설명 및 자료의 출처는 네이버 부스트코스의 입니다. (https://www.boostcourse.org/onlyboostcampaitech3/joinLectures/329424) Sequential Models - RNN Sequential Model Naive sequence model Autoregressive model Markov model (first-order autoregressive model) Latent autoregressive model Recurrent Neural Network Short-term dependencies = RNN의 단점 , Short-term의 데이터만 주로 활용하고, Long-term data를 활용하긴 힘들다. Long-term dependencies ..

모든 설명 및 자료의 출처는 네이버 부스트코스의 입니다. (https://www.boostcourse.org/onlyboostcampaitech3/joinLectures/329424) RNN 첫걸음 지금까지 배웠던 CNN과 다르게 시퀀스 데이터에 적용됩니다. 시퀀스 데이터 소리, 문자열, 주가 등의 데이터를 시퀀스(sequence) 데이터로 분류합니다. 시퀀스 데이터는 데이터동등분포(i.i.d.) 가정을 잘 위배하기 때문에 순서를 바꾸거나 과거정보에 손실이 발생하면 데이터의 확률분포도 바뀌게 됩니다. 이전 시퀀스 정보를 가지고 앞으로 발생할 데이터의 확률분포를 다루기위해 조건부확률을 이용할 수 있습니다. 시퀀스 데이터를 다루기 위해선 길이가 가변적인 데이터를 다룰 수 있는 모델이 필요합니다. Recurr..