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 | 29 | 30 | 31 |
Tags
- 트리
- dp
- 우선순위큐
- 어렵다
- 인공지능
- 밑시딥
- ssac
- 퍼셉트론
- 힙
- tree
- 아직
- 인공지는
- AIFFEL
- 스티커
- 힙구조
- 역전파
- 피보나치
- 피보나치수열
- 자료구조
- memoization
- 머신러닝
- Image Classification
- 오차역전파법
- 분할정복
- 딥러닝
- 메모이제이션
- 병합정렬
- 알고리즘
- 다이나믹프로그래밍
Archives
- Today
- Total
목록인공지는 (1)
딥러닝 for Deep Learning

활성화 함수 계층 구현하기 [Sigmoid 계층] 시그모이드 함수는 아래의 식을 의미한다. 위의 식을 계산 그래프로 그리면 아래와 같다.(그림 5-19) 'exp'노드 --> y = exp(x) '/'노드 --> y = 1/x Sigmoid 계층의 역전파 흐름은 4단계로 구성된다. 1단계 '/'노드를 미분하면 아래의 식이 된다. 상류에서 흘러온 값에 -y2을 곱해서 하류로 전달. 2단계 '+' 노드는 상류의 값을 여과 없이 하류로 내보낸다. 3단계 'exp'노드는 y = exp(x) 연산 수행. (이 경우에서는 exp(-x)를 곱함) 4단계 'x'노드는 순전파 때의 값을 서로 바꿔 곱함. 모든 단계를 입력 x와 출력 y만으로 계산할 수 있다. 그래서 중간과정을 모두 묶어 아래와 같이 'sigmoid'노드..
지하에서부터 시작하는 딥러닝
2021. 1. 26. 23:58