HIGHLLIGHT

◼ 컴퓨터 비전(CV)의 어려운 점 ▪ 관점의 변화: 동일한 객체라도 영상을 찍는 카메라의 이동에 따라 모든 픽셀값이 변화 ▪ 경계색 (보호색)으로 배경과 구분이 어려운 경우 ▪ 조명에 따른 변화 ▪ 기형적인 형태의 영상 존재 ▪ 일부가 가려진 영상 존재 ▪ 같은 종류 간의 변화가 큼 ◼ DMLP와 CNN의 비교 ▪ DMLP • 완전 연결 fully connection 구조로 높은 복잡도 • 학습이 매우 느리고 과잉적합 우려 ▪ CNN • 컨볼루션 연산을 이용한 부분연결 (희소 연결) 구조로 복잡도 크게 낮춤 • 컨볼루션 연산은 좋은 특징 추출 ◼ CNN 특징 ▪ 격자grid 구조 (영상, 음성 등)를 갖는 데이터에 적합 ▪ 수용장receptive field은 인간시각과 유사 ▪ 가변 크기의 입력 처리 ..

시퀀스 데이터 이해하기 소리, 문자열, 주가 등의 데이터를 시퀀스(sequence) 데이터로 분류한다. 시계열(time-series) 데이터는 시간 순서에 따라 나열된 데이터로 시퀀스 데이터에 속한다. 시퀀스 데이터는 독립동등분포(i.i.d) 가정을 잘 위배하기 때문에 순서를 바꾸거나 과거 정보에 손실이 발생하면 데이터의 확률분포도 바뀌게 된다. 과거 정보 또는 앞뒤 맥락 없이 미래를 예측하거나 문장을 완성하는 건 불가능하다. 시퀀스 데이터를 어떻게 다루는가? 이전 시퀀스의 정보를 가지고 앞으로 발생할 데이터의 확률분포를 다루기 위해 조건부확률을 이용할 수 있다. P(X1,..., Xt) = P(Xt|X1,..., Xt-1) P(X1,..., Xt-1) 이전 시퀀스의 정보를 가지고 앞으로 발생할 데이터의..