2024/04/06 4

5wk_Regularization

Regularization Overfitting (과적합):원인: 데이터가 적을 경우, 복잡한 데이터일 경우(변수가 너무 많음, weights이 큰 경우)정의: 모델이 훈련 데이터에 너무 밀접하게 맞춰져서 생성되는 오류입니다. 이 경우, 모델은 훈련 데이터의 노이즈와 잡음까지 학습하여, 새로운 데이터나 테스트 데이터에 대해서는 일반화를 잘 수행하지 못합니다.특징:모델이 훈련 데이터에서는 매우 높은 성능을 보이지만, 테스트 데이터나 실제 적용 시에는 성능이 저하됩니다.복잡한 모델(많은 파라미터를 가진)이 과적합될 위험이 더 큽니다.해결 방법:데이터 양 증가, 불필요한 변수 제거, weights 줄이기, 교차 검증, 정규화 기법 적용, 간단한 모델 사용 등이 있습니다.Underfitting (과소적합):원인..

Machine Learning 2024.04.06

5wk,6wk_Deep Neural Networks

Deep Neural Networks Neural networks that have more than two hidden layers (2개 이상) Capacity increases when the number of hidden layers is large -> Capa을 올리기 위해서 더 많은 connections이 필요함 복잡한 모델을 사용하기 위해서는? Wide (width) → 한번에 복잡한 것 처리 Deep (depth) → 여러 층을 거치며 복잡한 것을 처리 Wide Networks: 'Wide' 신경망은 주로 네트워크의 각 층에 많은 수의 뉴런(또는 노드)를 가집니다. 이러한 구조는 넓은 데이터(많은 특징을 가진 데이터)를 처리하는데 적합할 수 있습니다. 'Wide' 네트워크는 종종 특징 간..

Deep Learning 2024.04.06

5wk_Semi/Weakly Supervised Learning

Semi Supervised Learning(준지도학습) When only some images have the required label (전체 중 몇개의 이미지만 필요한 레이블을 가지고 있고, 다른 것들은 이미지만 가지고 있음)   Weakly Supervised Learning(약지도학습) When all images have the cost-efficient (incomplete) labels(불완전한 레이블을 가지고 있음) 학습한 것들을 요약(Mk) → 마스크 잡기 → 학습한 부분만 잡아줌   Semi Supervised Image classification 레이블이 지정된 데이터(수퍼바이즈드 학습에서 사용)와 레이블이 지정되지 않은 데이터를 모두 사용하여 모델을 훈련시키는 방법 레이블이 있는 ..

Technology 2024.04.06

5wk_Super Resolution and Image Translation

Super Resolution 낮은 해상도의 이미지를 고해상도로 변환하는 과정1) Interpolation-based method(보간 기반 방법)  이미지의 낮은 해상도 부분에 대한 새로운 픽셀 값을 추정하기 위해 보간 기술을 사용 가장 널리 사용되는 보간 기법으로는 Nearest Neighbor, Bilinear, Bicubic  2) Learning-based method(학습 기반 방법)  딥 러닝을 사용하여 낮은 해상도의 이미지로부터 고해상도 이미지를 생성 학습 기반 방법은 대량의 데이터셋에서 낮은 해상도와 고해상도 이미지 간의 관계를 학습하여, 새로운 낮은 해상도 이미지에 적용 이미지의 복잡한 텍스처와 세부 사항을 더 잘 복원할 수 있으며, 보간 방법보다 더 높은 품질의 결과를 생성할 수..

Technology 2024.04.06
728x90