June 2024
Beginner to intermediate
352 pages
9h 29m
Korean
Content preview from 개발자를 위한 필수 수학
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
Start your free trial
269
7
장
신경망
먼저
W
hidden
과
X
사이의 행렬-벡터 곱셈을 수행합니다.
W
hidden
의 행(각 노드의 가중치)과 벡
터
X
(
RGB
입력값 )를 곱합니다. 그다음 [그림
7
-
10
]과 같이 해당 결과에 편향을 더합니다.
그림
7-10
행렬-벡터 곱셈과 벡터 덧셈을 사용해 은닉 층의 가중치와 편향을 입력
X
에 적용하기
은닉 층의 원시 출력인
Z
1
을 활성화 함수에 통과시켜
A
1
으로 바꾸어야 합니다. 간단히 벡터의
각 값을 렐루 함수에 전달하면
A
1
을 얻습니다. 모든 값이 양수이므로 아무런 변화가 없어야 합
니다.
11
1
()
(1.36054964190909) 1.36054964190909
(2.15471757888247) 2.15471757888247
(0.719554393391768) 0.719554393391768
A ReLU Z
ReLU
A ReLU
ReLU
=
= =
이제 은닉 층의 출력
A
1
을 최종 층에 전달해
Z
2
를 계산한 다음
A
2
를 얻습니다. 즉,
A
1
이 출력
층의 입력이 됩니다.
[ ] [ ]
[ ] [ ]
[ ]
21
2
2
2
1.36054964190909
0.82652072 0.3078159 0.93095565 2.15471757888247 0.58018555
0.719554393391768
2.45765202842636 ...