KAU-Deeperent

강화학습팀 : 조민성 이상민 임정환 차원범 백윤성 발표자 : 백윤성 강화학습팀은 David Silver의 Reinforcement Learning Course를 리뷰한 팡요랩 유튜브를 보며 스터디를 진행하였다. Lecture 1~6의 강의를 들었고 해당 리뷰에서는 Lecture 2~5의 내용에 대한 대략적인 리뷰를 진행한다. 리뷰에 앞서서 RL문제에 대한 분류를 보자면 1. environment에 대한 model을 아느냐, 즉 MDP를 모두 아는 상황의 문제를 model-based, MDP를 모두 알지는 못하는 문제를 model-free문제로 볼 수 있다. model-based 문제는 model을 통해 바로 다음 state를 planning이 가능하지만 model-free 문제는 알지 못하기 때문에 시뮬..

휴리스틱한 해를 찾는다? ==>어떠한 근사해? approximation 주변만 바꾼다고 했을 때 그 전이랑 얼마나 바뀌는지? Improvement를 한다. 적용되는 좋은 방법들이 달라서 전문가의 수작업이 필요하다. 휴리스틱이 뭐에요? 알고리즘=>정확한 답을 찾는다 시간 복잡도==>어떤 시간 내에 이 문제를 정확히 답을 낼 수 있다. 메타 휴리스틱,휴리스틱: 정확한 답을 못낸다. 휴리스틱: 국한된 문제 메타 휴리스틱:고차원적인 개념? SDS에서 AI를 이용해서 문제를 해결하려 한다. Baseline이라는 기준치에.. 정답은 아니다. 평균길이를 2.5로 했을 때 3가지 시도 이렇게 3가지를 사용하면 가운데 AI는 최적의 옵티멈을 발견하기가 힘들다. POMO라는 알고리즘을 개발해서 성능을 높였다. 산업현장에서..

※ hackernoon.com/facial-similarity-with-siamese-networks-in-pytorch-9642aa9db2f7의 도움을 아주 많이 받았습니다. Facial Similarity with Siamese Networks in PyTorch | Hacker Noon Facial Similarity with Siamese Networks in PyTorch This is Part 2 of a two part article. You should read part 1 before continuing here. In the last article discussed the class of problems that one shot learning aims to solve, and how ..

VGGNet은 2014 ImageNet Challenge에서 GoogLeNet 다음으로 2등을 차지한 네트워크입니다. 하지만 GoogLeNet보다 더 간결한 구조로 인해 더 각광받았습니다. VGGNet의 특징은 다음과 같으며 이는 논문의 핵심이 됩니다. 이전 대회(~2015 ILVSRC)보다 2배 이상의 깊이(19 layers)를 가진 네트워크를 구성 3x3 Convolutional layer만을 사용

논문 핵심 요약 www.youtube.com/watch?v=671BsKl8d0E shortcut connection or skip connection -->추가적인 파라미터는 필요 없다. 앞서 학습했던 정보를 가져오고 그대로 가져오고 추가적으로 F를 더해주겠다는 것이다. 잔여 한 정보인 F만 추가적으로 학습시켜주는 형태 전체를 다 학습하는 경우보다 훨씬 쉽다. H(x)는 개별적으로 학습을 진행할 필요가 있어서 수렴 난이도가 높아지게 된다. 반면에 우측 네트워크는 학습했던 정보를 가져오고 추가적으로 학습이 필요한 부분만 학습시키면 된다. 동일한 답을 도출한다고 하더라도 F를 학습시키는것이 더 쉽다. 매번 새로운 맵핑 값들에 대해서 학습 하는 대신 4. Experiments 1000의 클래스로 구성된 [Im..

오랜만에 즐거운 machine learning 시간 데이터 셋이 필요하기 때문에 Kaggle에서 X-ray 데이터 셋을 다운로드 받아옵니다. www.kaggle.com/paultimothymooney/chest-xray-pneumonia Chest X-Ray Images (Pneumonia) 5,863 images, 2 categories www.kaggle.com 우한 폐렴 데이터도 준비했습니다. 우리는 colab을 사용할것이기 때문에 데이터 셋을 구글 드라이브에 올려주도록 합시다. 실습 import torchvision from torchvision import transforms from torch.utils.data import DataLoader 토치 비전 라이브러리와 데이터 로더 라이브러리를 ..

나는 왜 여자 친구가 없을까? 3자가 본다면 바로 의심해볼 만할 구석이 있겠지만, 정작 자신은 받아들이기 힘든 이유가 있습니다. 제가 생각하는 연인이 있을 확률은 다음과 같습니다. 제가 생각하는 외모가 1인 사람은 원빈입니다. 머신러닝을 통해 제 얼굴을 원빈과 고릴라와 비교하여 보겠습니다. 이 과정에서 Siamese Network를 통한 얼굴인식, One_shot Learning에 대해서도 알아볼 수 있을 것입니다. [One Shot Learning] 소규모의 데이터 혹은 한번 본 물체를 많은 데이터와 비교하고 분류할 때 사용하는 방법입니다. 기존의 딥러닝 방식은 Convolution network가 충분히 학습할 수 있도록 많은 양의 데이터를 요구합니다. 하지만 얼굴 인식에서는 많은 데이터 확보가 어렵..

머신러닝을 하는 중 데이터 수집 단계에서 복사-붙여 넣기의 유혹에 빠지곤 합니다. 데이터를 모으기도 귀찮고, 원하는 이미지 데이터를 직접 잘라내는 일도 만만치 않은 작업입니다. 다행히 우리는 DATA Augmentation이라는 데이터 뻥튀기하는 방법을 알고 있습니다. [DATA Augmentation이란?] 한정된 데이터를 적절한 작업을 통해 늘릴 수 있습니다. 우선 다음 사진을 보겠습니다. 인간의 눈으로 보면 위 사진은 같은 고양이를 약간 돌리거나 좌우 반전한 모습에 지나지 않습니다. 하지만 컴퓨터의 눈으로 위 사진을 본다면, 살짝 돌리거나 좌우 반전한 같은 고양이의 사진은 완전히 새로운 데이터가 될 것입니다. 컴퓨터는 이미지를 볼 때 세 개의 채널(RGB)로 나누고, 각 픽셀의 RGB농도를 조절하여..

C팀 : 김경태 남서아 김태현 백윤성 이상민 발표자 : 백윤성 이번 주는 CNN의 개념, 구조에 대해 배우고 데이터를 받아와 학습시켜보는 과정을 공부했습니다. 발표자는 CNN이 Vision에서 강점을 나타내는 것이 CNN의 어떤 특성 때문인지에 대해 찾아보았습니다. 추가로 저번 주 Batch Normalization에서 나온 학습 파라미터 Gamma, Beta를 왜 학습시키는지에 대해 리뷰하겠습니다. 1. CNN과 Vision 합성곱 신경망은 image processing에서 강점을 나타내며 자율 주행 자동차, 얼굴 인식 애플리케이션과 같이 객체 인식과 컴퓨터 비전이 필요한 분야에서 많이 사용합니다. 그렇다면 CNN은 왜 image processing에서 강점을 나타낼까요? 발표자는 CNN의 기원이 되는..

2021-02-05 온라인 스터디 황준성 김정민 서지민 김주안 차원범 문종연 convolution이란 무엇인가? •2D Convolution •주어진 filter로 입력 영상에 Convolution하여 출력 영상을 얻어내는 과정 •딥러닝에서는 해당 filter를 하나의 ‘가중치’로 보고 학습시키는 대상이 됨 •RGB Convolution •컬러 이미지는 R,G,B 3개의 이미지로 구성됨 •해당 이미지를 Convolution하기 위해서는 3개의 필터를 사용하여 1개의 Output을 가지는 것이 일반적 •Multi Channel Convolution •1개의 층에서 여러 Convolution 출력 값을 도출해내기 위해 여러 Filter를 사용하여 Convolution 실시 Convolution을 왜 사용하는..