백과

항목

• 콘볼루션 신경망 CNN, -神經網

  심층 신경망(DNN: Deep Neural Network)의 한 종류로, 하나 또는 여러 개의 콘볼루션 계층(convolutional layer)과 통합 계층(pooling layer), 완전하게 연결된 계층(fully connected layer)들로 구성된 신경망. CNN은 2차원 데이터의 학습에 적합한 구조를 가지고 있으며, 역전달(Backpropagation algorithm)을 통해...

  도서 TTA정보통신용어사전 | 태그 컴퓨터/정보통신
• 합성곱 신경망 Convolutional neural network, 畳み込み..

  학습한다는 것을 의미한다. 기존 영상 분류 알고리듬에서 설계자가 영상의 특징들을 미리 이해해 알고리듬을 만드는 과정이 없는 것이 합성곱 신경망의 주요한 장점이다.출처 합성곱 신경망은 크게 합성곱층(Convolution layer)과 풀링층(통합 계층, Pooling layer), 완전하게 연결된 층(fully connected layer)들로...

  도서 위키백과
• 딥 러닝 Deep learning, ディープラーニング

  Network, CNN)은 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다. CNN은 하나 또는 여러개의 합성곱 계층과 그 위에 올려진 일반적인 인공 신경망 계층들로 이루어져 있으며, 가중치와 통합 계층(pooling layer)들을 추가로 활용한다. 이러한 구조 덕분에 CNN...

  도서 위키백과
• 그래프 신경망 Graph neural network

  보다 일반적인 주제에서 기존의 특정 신경망 아키텍처는 적절하게 정의된 그래프에서 작동하는 GNN으로 해석될 수 있다. 컴퓨터 비전의 맥락에서 합성곱 신경망 계층은 노드가 화소이고 인접한 화소만 그래프의 가장자리로 연결되는 그래프에 적용되는 GNN으로 볼 수 있다. 자연어 처리에서 변환기 계층은 노드가 자연어...

  도서 위키백과
• 층 (기계 학습) Layer (deep learning), 層 (深度學習)

  이 계층에서 네트워크는 가장자리, 텍스처 및 패턴을 감지한다. 그런 다음 이 계층의 출력은 추가 처리를 위해 완전 연결 계층으로 공급된다. (합성곱 신경망 모델 참고) Pooling 계층은 입력되는 데이터의 크기를 줄이기 위해 사용된다. Recurrent Layer는 메모리 기능을 이용한 텍스트 처리에 사용된다. Convolutional...

  도서 위키백과
• LeNet LeNet

  기계 학습 LeNet은 얀 르쿤 등이 제안한 합성곱 신경망 구조이다. 일반적으로 LeNet은 LeNet-5를 지칭하며 간단한 합성곱 신경망이다. 합성곱 신경망은 인공...초기 컨볼루션 신경망의 대표주자로서 컨볼루션 계층, 풀링 계층, 완전 연결 계층 등 컨볼루션 신경망의 기본 단위를 보유하고 있어 향후 컨볼루션 신경망...

  도서 위키백과
• 유 온리 룩 원스 You Only Look Once

  마지막 계층에서 신경망 모듈("회귀 신경망")을 초기화한다. 기본 네트워크에는 매개변수가 고정되어 있다. 회귀 네트워크는 객체 경계 상자의 두 모서리에 대한 (x, y) 좌표를 예측하도록 훈련되었다. 추론 시간 동안 분류 훈련 네트워크는 다양한 확대/축소 수준과 자르기를 통해 동일한 이미지에 대해 실행된다. 각각...

  도서 위키백과