밑바닥부터 시작하는 딥러닝 - 미리보기
사이토 고키 지음 | 개앞맵시(이복연) 옮김 | 24,000원 | 한빛미디어 | 2017.01.03 "직접 구현하고 움직여보며 익히는 가장 쉬운 딥러닝 입문서 " 이 책은 라이브러리나 프레임워크에 의존하지 않고, 딥러닝의 핵심을 ‘밑바닥부터’ 직접 만들어보며 즐겁게 배울 수 있는 본격 딥러닝 입문서입니다. 술술 읽힐 만큼 쉽게 설명하였고, 역전파처럼 어려운 내용은 ‘계산 그래프’ 기법으로 시각적으로 풀이했습니다. 무엇보다 작동하는 코드가 있어 직접 돌려보고 요리조리 수정해보면 어려운 이론도 명확하게 이해할 수 있습니다. 딥러닝에 새롭게 입문하려는 분과 기초를 다시금 정리하고 싶은 현업 연구자와 개발자에게 최고의 책이 될 것입니다.
사이토 고키 지음 | 개앞맵시(이복연) 옮김 | 24,000원 | 한빛미디어 | 2017.01.03
"직접 구현하고 움직여보며 익히는 가장 쉬운 딥러닝 입문서 "
이 책은 라이브러리나 프레임워크에 의존하지 않고, 딥러닝의 핵심을 ‘밑바닥부터’ 직접 만들어보며 즐겁게 배울 수 있는 본격 딥러닝 입문서입니다. 술술 읽힐 만큼 쉽게 설명하였고, 역전파처럼 어려운 내용은 ‘계산 그래프’ 기법으로 시각적으로 풀이했습니다. 무엇보다 작동하는 코드가 있어 직접 돌려보고 요리조리 수정해보면 어려운 이론도 명확하게 이해할 수 있습니다. 딥러닝에 새롭게 입문하려는 분과 기초를 다시금 정리하고 싶은 현업 연구자와 개발자에게 최고의 책이 될 것입니다.
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
[식 3.4 ]는 가중치가 달린 입력 신호와 편향의 총합을 계산하고, 이를 a라 합니다. 그리고 [식<br />
3.5]는 a를 함수 h ( )에 넣어 y를 출력하는 흐름입니다.<br />
지금까지와 같이 뉴런을 큰 원(○)으로 그려보면 [식 3.4 ]와 [식 3.5 ]는 [그림 3-4 ]처럼 나타<br />
낼 수 있습니다.<br />
그림 3-4 활성화 함수의 처리 과정<br />
보시다시피 [그림 3-4]에서는 기존 뉴런의 원을 키우고, 그 안에 활성화 함수의 처리 과정을<br />
명시적으로 그려 넣었습니다. 즉, 가중치 신호를 조합한 결과가 a라는 노드가 되고, 활성화 함<br />
수 h( )를 통과하여 y라는 노드로 변환되는 과정이 분명하게 나타나 있습니다. 참고로 이 책에<br />
서는 뉴런과 노드라는 용어를 같은 의미로 사용합니다. 방금 a와 y의 원을 노드라고 했는데, 이<br />
는 지금까지 뉴런이라고 한 것과 같은 의미입니다.<br />
뉴런을 그릴 때 보통은 지금까지와 마찬가지로 [그림 3-5 ]의 왼 쪽처럼 뉴런을 하나의 원으로<br />
그립니다. 그리고 신경망의 동작을 더 명확히 드러내고자 할 때는 오른쪽 그림처럼 활성화 처<br />
리 과정을 명시하기도 합니다.<br />
그림 3-5 왼쪽은 일반적인 뉴런, 오른쪽은 활성화 처리 과정을 명시한 뉴런(a는 입력 신호의 총합, h( )는 활성화 함수,<br />
y는 출력)<br />
3장 - 신경망<br />
67
Change language