[Day32] CNN, Gradient Descent, LSTM
수요일 오전은 플립스쿨로 CS231n을 공부하는 날입니다. 오늘은 공부하다가 찾은 유용한 자료들로 먼저 시작해 보겠습니다.
1. PR-012: Faster R-CNN : Towards Real-Time Object Detection with Region Proposal Networks
www.youtube.com/watch?v=kcPAGIgBGRs&feature=youtu.be
2. PR-057: Mask R-CNN
www.youtube.com/watch?v=RtSZALC9DlU&feature=youtu.be
3. PR-016: You only look once: Unified, real-time object detection
www.youtube.com/watch?v=eTDcoeqj1_w&feature=youtu.be
4. PR-132: SSD: Single Shot MultiBox Detector
www.youtube.com/watch?v=ej1ISEoAK5g&feature=youtu.be
5. What is a tensor?
www.quora.com/What-is-a-tensor
What is a tensor?
Answer (1 of 82): A few years ago, I vowed that I would answer this question when I figured out what a tensor really was, because I also had a problem with finding an intuitively satisfying answer online, and the answers here also didn't fully satisfy me.
www.quora.com
그 다음으로는 경사하강이 무엇인지에 대해서 배웠습니다.
1. 경사 하강, 신경 네트워크가 학습하는 방법 | 심층 학습, 2장
www.youtube.com/watch?v=IHZwWFHWa-w&feature=youtu.be
2. 그래디언트 디센트
ratsgo.github.io/deep%20learning/2017/09/25/gradient/
그래디언트 디센트 · ratsgo's blog
이번 글에서는 그래디언트 디센트(Gradient Descent)에 대해 살펴보도록 하겠습니다. 이 글은 고려대 강필성 교수님 강의와 하용호 님의 자료를 정리했음을 먼저 밝힙니다. 그럼 시작하겠습니다. 산
ratsgo.github.io
그 다음으로는 자연어처리에 많이 사용되는 RNN계열 네트워크에 대해서 알아보았습니다.
1. 단어 간 유사도 파악 방법
단어 간 유사도 파악 방법 - 카카오브레인
인공지능 연구소인 카카오브레인은 유의미한 단어 간 관계 데이터를 제공하자는 취지에서 'wordrep'을 진행하고 있습니다. 컴퓨터가 자연어를 이해하는 기술 몇가지와 wordrep 프로젝트를 진행한
www.kakaobrain.com
2. LSTM 이해하기
dgkim5360.tistory.com/entry/understanding-long-short-term-memory-lstm-kr
Long Short-Term Memory (LSTM) 이해하기
이 글은 Christopher Olah가 2015년 8월에 쓴 글을 우리 말로 번역한 것이다. Recurrent neural network의 개념을 쉽게 설명했고, 그 중 획기적인 모델인 LSTM을 이론적으로 이해할 수 있도록 좋은 그림과 함께
dgkim5360.tistory.com
3. GRU
Gated Recurrent Units (GRU)
Gated Recurrent Units (GRU) GRU는 게이트 메커니즘이 적용된 RNN 프레임워크의 일종으로 LSTM에 영감을 받았고, 더 간략한 구조를 가지고 있습니다. 아주 자랑스럽게도 한국인 조경현 박사님이 제안한 방
yjjo.tistory.com