728x90 반응형 활성화함수(relu)2 [딥러닝] CNN 구조를 한눈에! 1. CNN이란?이미지 인식에 특화된 딥러닝 모델일반 DNN은 이미지의 공간 구조를 무시하고 1차원으로 펼침→ 위치 정보 손실, 파라미터 수 증가CNN은 위치, 모양, 패턴을 잘 포착함 2. CNN의 생물학적 배경Hubel & Wiesel (1959): 고양이 시각 피질 실험 → 계층 구조로 시각 자극을 처리하는 뉴런 발견Kunihiko Fukushima: Neocognitron 제안Yann LeCun: LeNet-5 → 최초의 CNN 모델 3. CNN 핵심 구조 입력 → Convolution → ReLU → Pooling → Flatten → FC Layer → Softmax 🔹 Convolution 연산필터(커널)를 이미지에 슬라이딩하며 특징 추출실제 CNN에서는 cross-correlation .. 2025. 4. 20. [딥러닝] 딥러닝 모델은 어떻게 학습되는가? – DNN & CNN 학습 구조 1. Gradient와 Jacobian의 차이항목GradientJacobian정의스칼라 함수의 편미분 벡터벡터 함수의 편미분 행렬형태1차원 벡터2차원 행렬사용DNN의 파라미터 업데이트다층 신경망, 출력 다중인 경우 즉, Gradient는 기울기, Jacobian은 벡터 기울기의 집합 2. Forward & Backward PropagationForward Propagation (순전파): 입력 → 가중치합 → 활성화함수 → 출력 Backward Propagation (역전파): 출력 오류 → 기울기 계산 → 가중치 업데이트 핵심 공식 (오차 역전파):3. 경사하강법 종류 (BGD vs MBGD vs SGD)방식설명단점BGD (Batch)전체 데이터로 한 번 업데이트정확하나 느림SGD (Stochasti.. 2025. 4. 20. 이전 1 다음 728x90 반응형
