728x90 반응형 전체 글185 [딥러닝] Vision Transformer와 Attention 기반 딥러닝 모델 1️⃣ Attention Mechanism의 발전 과정Attention Mechanism은 인공지능 모델이 입력의 중요 부분에 집중하도록 돕는 핵심 기술입니다.고전적 방법Feature Selection: 분별력(discriminating power)이 높은 특징만 선택Saliency Map (Itti, 1998): 명암·색상·방향 대비 기반의 돌출맵🎯 수동 규칙 기반으로 주요 특징을 강조딥러닝 기반 방법Recurrent Attention Model (RAM, 2014): RNN으로 주목 위치를 순차적으로 학습Spatial Transformer Network (STN, 2015): 이미지의 이동·회전·크기 변화를 처리하며 주목 영역 파악SENet (2017): 채널별 중요도를 학습(Squeeze & Ex.. 2025. 7. 5. [딥러닝] 생성 모델(Generative Model) 이해와 응용 1. 생성 모델의 기본 개념Generative Model은 데이터의 확률 분포를 학습하여 새로운 데이터를 생성합니다.이 모델들은 대부분 비지도 학습(unsupervised learning)을 기반으로 하며, 관측 데이터의 분포를 근사합니다. 예시) 완벽한 주사위 확률: 모든 면이 1/6찌그러진 주사위 데이터셋 {5,3,5,5,2,4,1,6,3,1}으로부터 실제 확률을 추정 2. Gaussian Mixture Model (GMM)GMM은 여러 개의 가우시안 분포를 혼합해 복잡한 데이터 분포를 모델링합니다. 용어 설명 πi\pi_i혼합 가중치 (합이 1)μi\mu_ii번째 가우시안의 평균 벡터Σi\Sigma_ii번째 가우시안의 공분산 행렬 3. 최대 우도 추정 (Maximum Likelihood.. 2025. 7. 2. [딥러닝] 딥러닝 모델의 하이퍼파라미터 튜닝과 손실 곡선 분석 1. 데이터 표현 및 전처리딥러닝 모델의 학습 성능을 결정하는 첫 번째 요소는 데이터 표현 방식과 정규화 전략입니다.Dataset 데이터 표현 Label EncodingMNIST1차원 벡터 혹은 2차원 행렬One-hot encodingCIFAR-103채널 RGB 이미지, 2차원 텐서One-hot encoding 2. 하이퍼파라미터 튜닝하이퍼파라미터는 학습 성능을 좌우합니다. 하이퍼파라미터 예시 값 Layer 수4Node 수[1024, 512, 512, 10]Loss FunctionCrossEntropyOptimizerSGD, Adam 등Learning Rate0.001~0.01Batch Size32~256 Tip:중요한 1~3개의 하이퍼파라미터를 집중 실험하는 것이 효율적입니다.아래 그래프는 Lear.. 2025. 7. 1. [UX, UI] UX 디자인 원리와 심리학에 기반한 사용자 중심 설계 전략 ✅ 1. UX 디자인 원리 핵심 요약▶️ 정서적 UX 설계 (Donald Norman)반응 유형설명예시본능적 반응첫인상고급 시계의 외형행동적 반응상호작용 중 감정앱 사용이 직관적임반추적 반응사용 후 자부심명품 사용자의 이미지 ▶️ 인터랙티브 스토리텔링의 5막 구조막UX 대응설명예시1막 발단온보딩(Onboarding)첫 인상, 작동법 안내“시작 가이드”2막 상승탐색(Navigation)내비게이션 설계햄버거 버튼, 푸터3막 절정행동 유도(CTA)클릭을 유도하는 UX“지금 구매” 버튼4막 하강터널 모드단계별 입력 유도장바구니 → 결제5막 결말해피엔딩, 오프보딩긍정적 종료결제 완료 메시지 “UX도 스토리다” – 사용자 여정이 곧 영화 시나리오 ▶️ 훅 모델 (Hooked Model) 습관 형성을 위한 UX 구.. 2025. 6. 21. [UX, UI] 유저 리서치 분석에 관하여 ✅ 유저 리서치 분석 1. 콘텐츠 분석 (Content Analysis) 절차설명예시① 주제 파악 및 데이터 분류핵심 키워드, 행동, 대화 등 파악“자신감 향상”, “팀워크 개선”② 카테고리 생성주제들을 상호 배타적으로 분류퍼포먼스, 감정, 행동 등③ 인스턴스 카운트빈도 분석으로 중요도 파악퍼포먼스 관련 발언: 23회④ 패턴 분석카테고리 간 연관 관계 도출“자신감” → “발표 능력 향상”과 연결📌 인스턴스란 개념의 실제 사례 (ex. 사용자 발언) 2. 어피니티 다이어그램 (Affinity Diagram)"Affinity" : '친밀감', '유사성', '관련성' 등을 의미- 대량의 정성 데이터를 포스트잇에 적어 그룹핑- 팀원들과 참여형 분석 방식- 흐름도 : [데이터 수집] → [포스트잇 작성] → .. 2025. 6. 21. [딥러닝] RNN, LSTM, GRU의 이론과 적용 사례 1. 서론인공지능의 핵심 분야 중 하나인 자연어 처리(NLP) 및 시계열 분석에서 순차 데이터를 효과적으로 처리하기 위해 등장한 모델이 바로 순환신경망(RNN) 계열이다. RNN은 데이터를 시점(time-step)별로 입력받아 과거의 정보를 기억하며, 시계열 및 텍스트 데이터에서 중요한 의미를 파악할 수 있도록 설계되었다. 그러나 RNN은 기울기 소실(gradient vanishing) 문제로 인해 긴 시퀀스 학습에 어려움이 있었으며, 이를 해결하기 위해 LSTM(Long Short-Term Memory), GRU(Gated Recurrent Unit) 등이 제안되었다. 본 글 에서는 RNN, LSTM, GRU의 구조와 학습 원리, 그리고 실제 적용 사례까지 폭넓게 다루어 보고자 한다. 2. RNN의 구.. 2025. 6. 1. 이전 1 2 3 4 ··· 31 다음 728x90 반응형
