|
퍼셉트론의 구조를 확장하는 방법에 대해서 서술하세요.(3점)
다층 퍼셉트론의 구조를 확장하는 방법은 크게 두 가지 방향으로 구분할 수 있다.
첫째, 신경망의 깊이를 늘리는 것이다. 은닉층의 개수를 증가시켜 신경망을 더 깊게 만들면, 모
|
|
|
딥러닝의 통계적이해, 방송통신대학교출판문화원.
이영호(2020), 2020 모두의 인공지능 with 파이썬, 길벗.
천인국(2020), 인공지능 : 파이썬으로 배우는 머신러닝과 딥러닝, 인피니티북스. 1. 다층신경망의 학습과정을 정리하시오. (6점)
2. Teac
|
|
|
딥러닝의 통계적이해, 방송통신대학교출판문화원.
이영호(2020), 2020 모두의 인공지능 with 파이썬, 길벗.
천인국(2020), 인공지능 : 파이썬으로 배우는 머신러닝과 딥러닝, 인피니티북스.
https://chat.openai.com/ 1. Teachable Machine을 이용하여 자신의
|
|
|
딥러닝의 통계적이해, 방송통신대학교출판문화원.
이영호(2020), 2020 모두의 인공지능 with 파이썬, 길벗.
천인국(2020), 인공지능 : 파이썬으로 배우는 머신러닝과 딥러닝, 인피니티북스.
https://chat.openai.com/ 1. Teachable Machine을 이용하여 충분한
|
|
|
딥러닝의 통계적이해, 방송통신대학교출판문화원.
이영호(2020), 2020 모두의 인공지능 with 파이썬, 길벗.
천인국(2020), 인공지능 : 파이썬으로 배우는 머신러닝과 딥러닝, 인피니티북스. 1. 딥러닝의 역사와 관련된 사건 또는 인물을 위키피디
|
|
|
인공지능의 역사
3. LLM(Large Language Model; 대규모 언어 모형)
4. LMM(Large Multimodal Model; 대규모 멀티모달 모형)
5. Deep Learning과의 관계
1) 딥러닝과 LLM의 관계
2) 딥러닝과 LMM의 관계
3) 결론
6. 본인의 의견
7. 참고문헌(APA 양식에 맞추어서 작성)
|
|
|
딥러닝(Deep Learning)의 관계에 대해 논의하고자 합니다.
II. 본론
1. 대규모 언어 모델(LLM, Large Language Model)의 특징과 구현 로직
1.1 LLM의 정의와 특징
대규모 언어 모델(LLM)은 방대한 양의 텍스트 데이터를 학습하여 자연어를 이해하고 생성
|
|
|
딥러닝)에 대한 다음 질문에 답하라. (가)~(다) 각각 A4용지 1매 정도로 정리하여 작성한다. (30점)
(가) 로젠블랫이 제안한 단층 퍼셉트론의 개념과 한계점을 설명하라.
(나) 오차 역전파(BP) 모델의 개념을 설명하고, BP 학습 과정에서 발생하
|
|
|
딥러닝은 데이터가 갖는 다양한 특징들을 간단한 표현들로 정의하는데, 각각의 특징들을 판단하는 것이 퍼셉트론이며, 이것들이 모여서 다층 퍼셉트론을 이룬다. 현재의 딥러닝은 인과관계를 이해할 수는 있어도 여전히 추상적인 개념들을
|
|
|
딥러닝의 기초를 다지는데 중요한 역할을 했다. 다층 퍼셉트론은 입력층, 은닉층, 출력층으로 구성되어 있으며, 각 층의 뉴런들은 활성화 함수를 통해 비선형성을 가지게 된다. 실습을 통해 가중치 초기화, 순전파, 역전파 알고리즘의 구현 과
|
|
메뉴펼치기
