KAU-Deeperent

회의날짜 : 01/16 목요일 회의장소 : 능곡역 지노스카페 최적화란? 신경망 학습의 목적은 손실 함수의 값을 가능한 낮추는 매개변수 즉 가중치와 편향을 찾는 것 입니다. 이는 곧 매개변수의 최적값을 찾는 문제이며 이러한 문제를 푸는 것을 최적화라고 합니다. 경사하강법의 종류 전체 training set을 사용하는 것을 Batch Gradient Descent 라고 합니다. 그러나 이렇게 계산을 할 경우 한번 step 을 내딛을 때 전체 데이터에 대해 Loss Function을 계산해야 하므로 너무 많은 계산량이 필요하게 되고 이를 방지하기 위해 보통은 Stochastic Gradient Descent (SGD) 라는 방법을 사용합니다. 전체 데이터(batch) 대신 일부 조그마한 데이터의 모음(mini..

스터디 날짜 : 1/9 스터디 내용 : CNN, VGG

딥러닝 준비하기 및 GoogLeNet 스터디 : 강의를 듣고, 모르는 것 질문하기 / 네트워크 관련 질문 나올 것 회의 CNN에 대해 간략하게 발표 CNN의 구조에서 Convolution에 관해 발표 4가지 CNN 중 GoogLeNet에 대해 발표

스터디일시 : 01/10 금요일 오후 6시 30분 스터디내용 : CNN 과 Fully Network Layer 의 차이점 s는 output featuremap을 의미하고 , x는 input featuremap을 의미한다. fully connected layer의 경우 input이 output featuremap의 픽셀값에 다 반영이 되지만, CNN의 경우 input의 일부만이 반영이 된다. CNN은 weight를 공유한다. 같은 색깔은 같은 weight를 의미한다. ResNet이 왜 나오게 되었는가? 층이 깊어질 수록 vanishing gradient 문제가 발생하여 성능이 오히려 저하된다. 이문제를 해결하기 위해서 기존의 layer를 파라미터 없이 연결하여 성능저하를 막는다. Residual Block..

프로즌레이크 예시는 매트랩에 deep network designer tool box, reinforcement learning tool box를 추가로 설치하셔야 구동됩니다. 방학 중 프로젝트 목표는 드론시뮬레이션과 프로즌레이크를 결합시켜 가상환경에서 구동시키는 것을 목표로 하고, 시간이 많이 남으면 실제제작까지 해보려고 합니다.

지난번 카트폴발표때 reward에 대한 질문이 있어 이번 주제로 하게 되었습니다.

스터디내용 - deeplabcut을 이용해서 간단한 모델을 구축 , 학습 모델을 이용하여 라벨링된 비디오 생성 - apt를 이용해서 비디오 라벨링 차후 목표 - 핸드폰 카메라라 리얼타임 웹켐을 이용해서 모델을 적용

강화학습 learning running 11월 13일 이번 주 스터디 내용 : 1. RL policy based 강의 수강 및 실습 Policy decent로 policy 최적화 하는 방법에 대하여 수강하고 그 중 REINFORCE 알고리즘과 TD actor critic 예제를 cart pole에서 구현해 본 후, 어떤식으로 코드가 작동하는지 이해함. 2. RL 대신 PID를 이용한 cart pole control system 구현 cart pole 운동 해석 후 제어기를 설계하여,RL과 대비하여 어떤 장단점이 존재하는지 파악함 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 ..