#CNN
4편
- 합성곱 신경망 — 같은 필터를 어디에나 댄다도형이 24×24 어디에나 놓이는 과제에서 파라미터 56만 개짜리 MLP는 27.5%, 1만 4천 개짜리 CNN은 95.1%였다. 이유는 같은 필터를 모든 위치에 대는 가중치 공유다. 그런데 가운데서만 배우고 옆으로 옮겨 시험하면 CNN도 무너질 수 있다. 위치를 지우는 것은 합성곱이 아니라 전체 평균이고, 그마저 풀링 보폭 때문에 4의 배수로 옮길 때만 잘 버텼다
- CS229 딥러닝 치트시트를 다시 쓴다 — 0.25 를 스무 번 곱하면활성화 함수·드롭아웃·배치정규화·합성곱 크기 공식. 왜 ReLU 로 갈아탔는지 숫자로 본다
- 패턴인식 — 좋은 특징이란 무엇인가특징과 일반화, 신경망 기초, 지도·비지도 학습, CNN 과 시퀀스 모델
- 알고리즘 정리 — SVM부터 XGBoost까지연관·군집·KNN·의사결정나무·랜덤포레스트·XGBoost, 그리고 CNN과 RNN