Notice
Recent Posts
Recent Comments
Link
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 |
Tags
- 이상탐지
- E
- leetcode
- rag parsing
- Mean squared error
- 딥러닝
- rag-fusion
- 컴퓨터비전
- pdf parsing
- multi-query
- rrf
- LLaVA
- computer vision
- 데이터 파싱
- 오차역전파
- nlp
- Time Series
- deep learning
- Cross Entropy Error
- 합성곱 신경망
- 활성화함수
- 손실함수
- Non-Maximum Suppression
- segmentation
- 활성화 함수
- LLM
- anomaly detection
- 퍼셉트론
- 시계열
- visual instruction tuning
Archives
- Today
- Total
목록Mean squared error (1)
굴러가는 분석가의 일상
딥러닝의 구조 #3 [손실 함수]
본 게시물은 공부목적으로 작성되었으며, 딥러닝 파이토치 교과서 참고하였습니다. 딥러닝의 구조 및 정의 (복습) 입력층: 데이터를 받아드리는 충 은닉층: 모든 뉴런으로 부터 값을 받아 가중합을 계산하고, 이 값을 활성화 함수에 적용하여 출력층에 전달 출력층: 신경망의 최종 출력 값 가중치: 뉴런과 뉴런 간 연결 강도 Bias : 가중합에 더해 주는 상수; 하나의 뉴런에서 활성화 함수를 통해 최종적으로 출력되는 값 조정 가중합: 가중치와 신호의 곱을 합한 것 활성화 함수: 신호를 입력/처리하여 출력해 주는 함수 손실함수: 가중치 학습을 위해 함수의 결과와 실제 값 간의 오차 측정하는 함수 손실함수 신경망에서의 가장 큰 이점은 데이터에서 숨겨진 인사이트와 관계를 나타내는 것입니다. 이를 이루기 위해서, 신경망..
Deep Learning 이해
2023. 11. 20. 19:28