본문 바로가기
반응형

전체 글196

신경망의 가중치를 행렬로 표현하기 신경망에서는 입력 신호가 뉴런에 보내질 때 가중치를 곱하게 됩니다. 가중치가 곱해진 입력 신호는 다시 활성화 함수에 의해 출력값으로 나오게 되는 것인데요. 여기서 가중치들은 행렬로 표현될 수 있습니다. 이것이 deep learning에 선형대수가 이용되는 부분인데요. 이번 포스팅에서는 간단한 신경망 시스템을 예로 가중치를 행렬로 표현하는 것을 알아보겠습니다. 1. 퍼셉트론의 구조 먼저 간단한 퍼셉트론의 구조를 보겠습니다. 여기서 x는 입력 신호, w는 가중치, y는 출력을 의미합니다. 이 퍼셉트론의 동작 원리는 간단합니다. 예를 들어, 활성화 함수가 계단 함수이면, $y$ = $\left\{\begin{matrix} 1 \ (b + x_{1}w_{1} + x_{2}w_{2} > 0) \\ 0 \ (b +.. 2023. 3. 28.
2022년 나스닥 100 ETF 수익률 정리 저의 블로그에서는 나스닥-100의 대표 ETF 세 가지, QQQ, QYLD, NUSI를 소개해 드렸는데요. 이번 포스팅에서는 이들 ETF들의 2022년 수익률을 비교해 보겠습니다. QQQ, QYLD, NUSI의 2022년 수익률 비교 세 ETF의 수익률을 비교하기 전에 간단히 비교해보겠습니다. QQQ는 나스닥-100 지수를 따르는 INVESCO의 상장지수펀드입니다. QQQ는 분기당 배당을 해서 1년에 총 4회의 배당을 하는데 1년 동안 배당 총액이 주가에 0.7% 정도입니다. 반면에 QYLD와 NUSI는 커버드콜(covered call) 전략을 사용하는 월 배당 ETF입니다. 세 ETF의 자세한 내용은 아래 링크들을 참고하시기 바랍니다. QYLD 월배당 ETF: 분배금 히스토리 분석 QYLD 월배당 ET.. 2023. 3. 27.
활성화 함수: sigmoid & ReLU 함수 앞서 계단 함수 포스팅에서 임계값을 기준으로 출력값이 바뀌는 함수를 활성화함수라고 배웠는데요. 이번에는 신경망 분야에서 이용할 수 있는 다른 활성화 함수, 시그모이드(sigmoid)와 ReLU (Rectified Linear Unit) 함수에 대해서 알아보겠습니다. 계단 함수에 관한 내용은 아래 링크를 참조하세요. 파이썬에서 계단 함수 만들기 파이썬에서 계단 함수 만들기 앞서 포스팅에서 퍼셉트론에 대해 알아봤는데요. 퍼셉트론은 입력 데이터를 받아서 계산 후 출력 값을 내보내는 구조를 가지며, 이때 입력 값과 가중치(weight)를 곱한 값의 합이 임계치(Threshold) er5030000.tistory.com 1. 시그모이드 함수 시그모이드 함수는 수식으로 표현하면 $s(x)$ = $\frac{1}{1.. 2023. 3. 27.
파이썬에서 계단 함수 만들기 앞서 포스팅에서 퍼셉트론에 대해 알아봤는데요. 퍼셉트론은 입력 데이터를 받아서 계산 후 출력 값을 내보내는 구조를 가지며, 이때 입력 값과 가중치(weight)를 곱한 값의 합이 임계치(Threshold)를 넘으면 출력값이 1, 그렇지 않으면 0을 출력합니다. 이처럼 임계값을 기준으로 출력값이 바뀌는 함수를 활성화함수라고 합니다. 이번에는 파이썬에서 계단 함수를 만들어 보겠습니다. 계단 함수(Step Function)는 입력 값이 0을 기준으로 0보다 크면 1, 0보다 작으면 0을 출력하는 함수입니다. 이 함수는 퍼셉트론에서 매우 중요한 역할을 합니다. 계단 함수는 파이썬에서 다음과 같이 구현할 수 있습니다. 사실 계단 함수는 매우 간단합니다. 아래와 같이 만들 수 있습니다. 1. 입력값이 실수인 경우의.. 2023. 3. 21.
머신러닝을 배우기 위해 필요한 지식들 머신 러닝을 공부하려면 다양한 분야의 지식이 필요합니다. 그중에서도 통계학, 선형대수학, 미적분학 등의 수학적 지식이 매우 중요합니다. 제 블로그에서 선형대수학이 상당 부분을 차지하는 이유이기도 합니다. 또한, 이론적 배경과 함께, 프로그래밍 언어에 대한 이해도 필요합니다. 1. 머신 러닝에 대해서 머신 러닝(Machine Learning)은 인공 지능(AI)의 한 분야입니다. 컴퓨터 시스템이 광범위한 데이터에서 학습을 하는데, 이러한 경험을 통해 스스로 성능을 개선하는 능력을 갖게 해주는 알고리즘을 개발하는 것을 목적으로 합니다. 따라서, 머신 러닝은 AI의 일부분이지만, 동일한 개념은 아닙니다. 자세히 말하면, AI는 머신 러닝 외에도 다른 기술과 분야를 포괄하는 개념입니다. 즉, AI는 머신 러닝을.. 2023. 3. 20.
퍼셉트론 AND, NAND, OR, XOR 게이트: python 이번 내용은 딥러닝의 기초인 퍼셉트론의 4가지 논리 게이트인, AND, NAND, OR, XOR을 python으로 구현한 것입니다. 여기서 x는 입력 신호, w는 가중치, b는 편향을 의미합니다. 논리 게이트의 입력 값과 출력 값 다음 그림은 4개의 기본 논리 게이트인, AND, NAND, OR, XOR의 입력값과 결괏값을 표현한 것입니다. 논리 게이트 퍼셉트론으로 작성하기: python 위의 4가지 논리 게이트를 python에서 딥러닝의 기본이 되는 퍼셉트론으로 만들어 보겠습니다. 코드는 아래와 같습니다. import numpy as np def AND(x1, x2): x = np.array([x1,x2]) w = np.array([0.5,0.5]) b = -0.7 tmp = np.sum(w*x) + .. 2023. 3. 13.
1.2d Schwarz 부등식, 벡터의 각, cosθ 등에 관한 연습 문제(15~17) 15. Schwarz 부등식, 산술평균, 기하평균 문제. $x$ = 2와 $y$ = 8의 기하평균은 $\sqrt{xy}$ = 4입니다. 산술 평균은 $\frac{1}{2}$($x$ + $y$) = __ 으로 기하평균보다 큽니다. 이것은 $v$ = ($\sqrt{2}$, $\sqrt{8}$) 및 $w$ = ($\sqrt{8}$, $\sqrt{2}$)에 대해 앞서 예제 6에서 배운 Schwarz 부등식에서 나옵니다. $v$와 $w$에 대해 cos$\theta$을 찾으세요. 답) 문제에서 말하는 기하평균은 $n$개의 데이터 값을 모두 곱하고 $n$제곱근을 취하는 것을 의미합니다. 따라서, $x$ = 2와 $y$ = 8의 기하평균은 $\sqrt{xy}$ = 4으로 계산되고, 산술 평균은 우리가 일반적으로 사용하.. 2023. 3. 10.
diskpart를 이용하여 EFI 파티션 지우기 하드드라이브를 새로운 SSD로 교체할 때 전에 쓰던 드라이브를 깔끔하게 포맷하고 싶은데 EFI파티션을 지울 수 없을 때가 있습니다. 저도 디스크관리자에서는 지울 수가 없더군요. 이 포스팅에서는 EFI 파티션을 diskpart를 이용해서 제거하는 방법을 알아보겠습니다. 1. cmd로 명령 프롬프트 앱 실행 윈도우 로고 옆에 찾기에 cmd를 입력하면 명령 프롬프트가 보입니다. ‘관리자 권한으로 실행’을 눌러서 실행합니다. 2. Diskpart 실행하여 EFI 파티션 제거 EFI 파티션을 삭제하려면 몇 단계를 거쳐야 합니다 (사진 참조). 먼저, 파티션을 지우면 데이터가 삭제되니까 주의하셔야 합니다. 1. 명령 프롬프트에 “diskpart” 를 입력하고 enter키를 눌러 프로그램을 실행합니다. 이때 disk.. 2023. 3. 6.
반응형