Visual AI(시각 인공지능) Lecture 2 : Neural Networks and Preceptron
•
1 like•248 views
Visual AI(시각 인공지능) Lecture 2 : Neural Networks and Preceptron
Visual AI(시각 인공지능) Lecture 2 : Neural Networks and Preceptron
- 1. Visual AI(시각인공지능) Lecture 2 : Neural Networks and Preceptron 1
- 2. content 뉴럴 네트워크에 대한 간단한 아이디어 소개 패턴 분류 소개 퍼셉트론 : 뉴럴 네트워크의 가장 간단한 모델 2
- 4. 'Biological' -> 'Artificial' Neural Network 4
- 5. Artificial Neural Networks or Neural Networks 5
- 7. Biological Vs Artificial Neural Networks 7
- 9. A Motivation Example Task : sea bass와 salmon을 광학 센서를 이용해 구분하기 서로 다른 물리적 feature를 이용 : length, lightness, width, 등 9
- 10. 10
- 12. Classification (1/4) 두가지 타입의 고기의 length에 대한 히스토그램 우리는 어떻게 신뢰할만한 결정을 위해 threshold를 결정할 수 있을까? 12
- 13. Classification (2/4) ligthness는 어떨까? 보기에는 threshold를 정하기 쉬워보이지만 완벽한 결정은 아닌 듯 함 13
- 14. Classification (3/4) 그렇다면 width와 lightness를 조합하면 어떨까? 2개의 feature 조합시 하나보다 나은가? 14
- 15. Classification (4/4) Decision Boundary를 더 좋게 만들수 있을까? 15
- 16. Separability 2차원 공간에서 하나의 직선으로 decision making을 할 수 있으 면 linearly seperable 고차원에서 hyperplane을 통해 분리 가능 16
- 17. The Boolean AND Function is Linearly Separable 17
- 19. Perceptron 19
- 20. Perceptrons are two-class classifier 20
- 21. Discriminant Function 퍼셉트론 결과가 1이면 활성화 0이면 비활성화 입력은 2개의 class로 나뉨. discriminant function은 아래와 같음 x = − x −2 w2 w1 1 w2 w0 21
- 22. Example: Geometrical Design of AND Classifier (1/2) 22
- 23. Example: Geometrical Design of AND Classifier (2/2) 23
- 24. 24
- 25. Summary of Important Properties of Perceptrons (1/2) 25
- 26. Summary of Important Properties of Perceptrons (2/2) 26
- 27. How Neural Networks Work? 유튜브 링크 27
- 28. Next Week Lecture 수작업 없이 우리는 어떻게 자동으로 가중치를 찾을 수 있을까? 28