우리의 일상에서 챗봇 고객 서비스, 이메일 스팸 탐지기, 음성 인식, 언어 번역, 주식 시장 예측 등과 상호작용하고 있습니다. 이 인공지능 상품들은 순환신경망(RNN), 롱숏-기간모델(LSTM) 그리고 게이트 순환망 (GRU)에 힘 입었습니다. 이 모델들은 시계열, 언어 패턴, 음성 패턴과 같은 순차적 데이터 예측에 최상의 예측을 가져오는 딥러닝의 중요한 가지들입니다. 회귀를 배우는 것 처럼 RNN, LSTM, GRU를 배우는 것은 쉽지 않습니다. 많은 수업에서 종종 회귀와 딥러닝 사이의 지식의 갭이 있다고 느꼈습니다. 용어의 차이 또한 지식의 갭을 만듭니다. 딥러닝으로 점프하기위해 많은 준비가 필요하며, 성공적으로 점핑한 학생들은 회귀로 쉽게 되돌아가지 않을 수 있습니다. ( 이 말장난이 마음에 들지도..

RNN (Recurrent Neural Networks) 사람은 매초 마다 처음부터 생각하지 않습니다. 당신이 이 에세이를 읽을 때, 당신은 이전의 말을 이해한 것을 기반으로 매 단어를 이해합니다. 당신은 모든것을 던지지 않고 처음부터 다시 생각하지 않습니다. 당신의 생각은 지속성을 가집니다. 전통적인 신경망은 이것을 할 수 없습니다, 그리고 주요한 단점으로 보입니다. 예를들어 당신이 영화에서 매 지점마다 무슨 종류의 일이 벌어지는지 분류하길 원한다고 상상해봅시다. 어떻게 전통적인 신경망이 이후의 것을 알리기 위해 영화속에서 이전의 사건들에 대한 추론을 사용할 수 있을지는 불명확합니다. RNN(Recurrent neural networks)는 이 문제를 다룹니다. 이는 정보가 지속되길 허락하면서, 그들 ..

데이터 코드 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt import pandas as pd import seaborn as sns def MinMaxScaler(data): denom=np.max(data,0)-np.min(data,0) nume=data-np.min(data,0) return nume/denom #정규화 path = "C:\\Users\\student\\Desktop\\DY\\★ 데이터\\105. deep-learning-dataset\\" xy=np.loadtxt(path+"data-02-stock_daily.csv", delimiter=",", skiprows=0+1+1) xy=xy[::-1]..

데이터 불러오기 from tensorflow.examples.tutorials.mnist import input_data mnist=input_data.read_data_sets("./mnist/data/",one_hot=True) 변수정의 lr = 0.01 total_epoch = 30 batch_size = 128 n_input = 28 # 한번에 입력받는 데이터 갯수 n_step = 28 # 28줄 n_hidden = 128 # 셀에서 나가는 출력의 갯수 n_class = 10 # 숫자의 종류 (0~9) w = tf.Variable(tf.random_normal([n_hidden , n_class ])) b = tf.Variable(tf.random_normal([n_class])) 모델 구성 # ..

X문제 꿈, 기억, 감정을 측정 및 저장/제거할 수 있을까? 관련 질문 행복했던 순간의 감정을 저장하여, 언제든 다시 느낄 수 있게 할 수는 없을까?잠잘 때 꾸는 꿈을 영상으로 저장 자료화 할 수 없나요?인간의 감정은 과학적으로 측정 가능한가? 배경 꿈, 기억, 감정에 대한 질문들이 X-프로젝트 홈페이지와 오프라인 활동 등을 통해 다수 도출되었습니다. 꿈, 기억, 감정 등에 관한 연구는 뇌와 관련되어 있으며, 뇌 관련 연구는 현재 전 세계적으로 매우 활발히 연구되고 있는 분야 중 하나입니다. 선행연구 미국 캘리포니아공과대학 연구팀이 인간의 두뇌활동을 지금보다 훨씬 더 정밀하게 기록하고 분석하는 시스템을 개발, 이를 통해 인간의 꿈을 읽어낼 수 있을 것으로 전망하고 있습니다(Cerf, Moran, et a..