deep learning as_waveextractor
TRANSCRIPT
딥러닝의 인공지능 수단으로서의 성격과 방향이동윤
의도• 기초적 개념인 유사도 거리의 이해• 구성적 접근에 대한 옹호관점• 그 관점 하에서 딥뉴럴넷 최종 2 개층이 가지는 특수성에 대한 환기• 최종 은닉층이 가지는 특수성과 가져야 할 바람직한 특성에 대한 설명• 바람직한 최종은닉층 출력을 돕는 수단으로서 현재의 역전파 학습을 제외한 수단의 필요성 환기• 그 측면에서 딥뉴럴넷들이 성공을 거둘 수 있었던 원인을 설명하려는 첫 시도 ( 내용은 없고 도입만 .)
http://blog.kevinfream.com/2013/08/22/life-after-the-robots/
1. 인공지능이란 ?- 여러 고려사항- 회귀와 분류
2. 분류수행의 두가지 스타일- 틀린걸 가르기- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의 딥러닝
4. 뉴럴넷의 역사- 다층 퍼셉트론- 다층 퍼셉트론의 한계와 딥러닝
5. 딥러닝 돌파구-3 가지 딥뉴럴넷- 딥뉴럴넷의 공통특징
5. 특징추출기의 강화방향- 결맞음- 패턴인식에서의 결맞음- 딥러닝에 있어서의 결맞음- 결맞음 계산법
6. 완전한 결맞음을 향하여
1. 인공지능이란 ?
• 컴퓨터비젼• 음성인식 / 합성• 자연어이해• 기타
http://blog.kevinfream.com/2013/08/22/life-after-the-robots/
1. 인공지능이란 ?- 여러 고려사항- 회귀와 분류
2. 분류수행의 두가지 스타일- 틀린걸 가르기- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의 딥러닝
4. 뉴럴넷의 역사- 다층 퍼셉트론- 다층 퍼셉트론의 한계와 딥러닝
5. 딥러닝 돌파구-3 가지 딥뉴럴넷- 딥뉴럴넷의 공통특징
5. 특징추출기의 강화방향- 결맞음- 패턴인식에서의 결맞음- 딥러닝에 있어서의 결맞음- 결맞음 계산법
6. 완전한 결맞음을 향하여
여러 고려사항1. 인공지능이란 ?- 여러 고려사항- 회귀와 분류
2. 분류수행의 두가지 스타일- 틀린걸 가르기- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의 딥러닝
4. 뉴럴넷의 역사- 다층 퍼셉트론- 다층 퍼셉트론의 한계와 딥러닝
5. 딥러닝 돌파구-3 가지 딥뉴럴넷- 딥뉴럴넷의 공통특징
5. 특징추출기의 강화방향- 결맞음- 패턴인식에서의 결맞음- 딥러닝에 있어서의 결맞음- 결맞음 계산법
6. 완전한 결맞음을 향하여
직접 가르칠 것인가Vs.스스로 배우게 할 것인가
( 비통계적학습 대 통계적 -)
아는걸 다뤄 아는걸 내게할 것인가 Vs.모르는거에서 아는걸 내게할것인가
( 기호처리 대 인식 )
도달할 목표를 제시할 것인가Vs.스스로 개척해가게할 것인가
(지도학습 대 비지도 -)
명확히 판단을 하게할 것인가Vs.가까운 추측만 하게할 것인가
(분류 대 회귀 )
인간의 추측에서 시작하게 할 것인가 Vs.스스로 개척하게할 것인가
( 모수적학습 대 비모수적 -)
다른지를 따지게 할 것인가Vs.닮았는지를 조사하게 할 것인가
( 판별과 구성 )
…
회귀와 분류1. 인공지능이란 ?- 여러 고려사항- 회귀와 분류
2. 분류수행의 두가지 스타일- 틀린걸 가르기- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의 딥러닝
4. 뉴럴넷의 역사- 다층 퍼셉트론- 다층 퍼셉트론의 한계와 딥러닝
5. 딥러닝 돌파구-3 가지 딥뉴럴넷- 딥뉴럴넷의 공통특징
5. 특징추출기의 강화방향- 결맞음- 패턴인식에서의 결맞음- 딥러닝에 있어서의 결맞음- 결맞음 계산법
6. 완전한 결맞음을 향하여
Q. 짜장면 먹을래 짬뽕 먹을래 ?
A. 짜장면은 약간 끌리고 짬뽕은 야 ~ 악간 끌려 ( 회귀 )
A. 짬뽕이 짜장면보다 더 좋으니 짬뽕 먹을래 ( 분류 )
분류수행의 두가지 스타일1. 인공지능이란 ?- 여러 고려사항- 회귀와 분류
2. 분류수행의 두가지 스타일- 틀린걸 가르기- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의 딥러닝
4. 뉴럴넷의 역사- 다층 퍼셉트론- 다층 퍼셉트론의 한계와 딥러닝
5. 딥러닝 돌파구-3 가지 딥뉴럴넷- 딥뉴럴넷의 공통특징
5. 특징추출기의 강화방향- 결맞음- 패턴인식에서의 결맞음- 딥러닝에 있어서의 결맞음- 결맞음 계산법
6. 완전한 결맞음을 향하여
1. 다른지에 중점나와 가장 다른 건 . 톰이니 난 톰과는 한 조가 되지 않을래2. 닮은지에 중점나와 가장 닮은 건 . 제인이니 난 제인과 한 조가 될래
http://www.evolvingai.org/fooling
틀린걸 가르기1. 인공지능이란 ?- 여러 고려사항- 회귀와 분류
2. 분류수행의 두가지 스타일- 틀린걸 가르기- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의 딥러닝
4. 뉴럴넷의 역사- 다층 퍼셉트론- 다층 퍼셉트론의 한계와 딥러닝
5. 딥러닝 돌파구-3 가지 딥뉴럴넷- 딥뉴럴넷의 공통특징
5. 특징추출기의 강화방향- 결맞음- 패턴인식에서의 결맞음- 딥러닝에 있어서의 결맞음- 결맞음 계산법
6. 완전한 결맞음을 향하여
http://www.evolvingai.org/fooling
Q A
닮은걸 찾아내기1. 인공지능이란 ?- 여러 고려사항- 회귀와 분류
2. 분류수행의 두가지 스타일- 틀린걸 가르기- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의 딥러닝
4. 뉴럴넷의 역사- 다층 퍼셉트론- 다층 퍼셉트론의 한계와 딥러닝
5. 딥러닝 돌파구-3 가지 딥뉴럴넷- 딥뉴럴넷의 공통특징
5. 특징추출기의 강화방향- 결맞음- 패턴인식에서의 결맞음- 딥러닝에 있어서의 결맞음- 결맞음 계산법
6. 완전한 결맞음을 향하여
Cat face: https://wallpaperscraft.com/download/cat_face_happy_56740/2560x1440
?
Network: http://www.turingfinance.com/misconceptions-about-neural-networks/
회귀와 분류1. 인공지능이란 ?- 여러 고려사항- 회귀와 분류
2. 분류수행의 두가지 스타일- 틀린걸 가르기- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의 딥러닝
4. 뉴럴넷의 역사- 다층 퍼셉트론- 다층 퍼셉트론의 한계와 딥러닝
5. 딥러닝 돌파구-3 가지 딥뉴럴넷- 딥뉴럴넷의 공통특징
5. 특징추출기의 강화방향- 결맞음- 패턴인식에서의 결맞음- 딥러닝에 있어서의 결맞음- 결맞음 계산법
6. 완전한 결맞음을 향하여
.
다층 퍼셉트론1. 인공지능이란 ?- 여러 고려사항- 회귀와 분류
2. 분류수행의 두가지 스타일- 틀린걸 가르기- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의 딥러닝
4. 뉴럴넷의 역사- 다층 퍼셉트론- 다층 퍼셉트론의 한계와 딥러닝
5. 딥러닝 돌파구-3 가지 딥뉴럴넷- 딥뉴럴넷의 공통특징
5. 특징추출기의 강화방향- 결맞음- 패턴인식에서의 결맞음- 딥러닝에 있어서의 결맞음- 결맞음 계산법
6. 완전한 결맞음을 향하여http://docs.opencv.org/modules/ml/doc/neural_networks.html
다층 퍼셉트론의 한계와 딥러닝1. 인공지능이란 ?- 여러 고려사항- 회귀와 분류
2. 분류수행의 두가지 스타일- 틀린걸 가르기- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의 딥러닝
4. 뉴럴넷의 역사- 다층 퍼셉트론- 다층 퍼셉트론의 한계와 딥러닝
5. 딥러닝 돌파구-3 가지 딥뉴럴넷- 딥뉴럴넷의 공통특징
5. 특징추출기의 강화방향- 결맞음- 패턴인식에서의 결맞음- 딥러닝에 있어서의 결맞음- 결맞음 계산법
6. 완전한 결맞음을 향하여
.
More is Better?
5. 딥러닝 돌파구1. 인공지능이란 ?- 여러 고려사항- 회귀와 분류
2. 분류수행의 두가지 스타일- 틀린걸 가르기- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의 딥러닝
4. 뉴럴넷의 역사- 다층 퍼셉트론- 다층 퍼셉트론의 한계와 딥러닝
5. 딥러닝 돌파구-3 가지 딥뉴럴넷- 딥뉴럴넷의 공통특징
5. 특징추출기의 강화방향- 결맞음- 패턴인식에서의 결맞음- 딥러닝에 있어서의 결맞음- 결맞음 계산법
6. 완전한 결맞음을 향하여
3 가지 딥뉴럴넷1. 인공지능이란 ?- 여러 고려사항- 회귀와 분류
2. 분류수행의 두가지 스타일- 틀린걸 가르기- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의 딥러닝
4. 뉴럴넷의 역사- 다층 퍼셉트론- 다층 퍼셉트론의 한계와 딥러닝
5. 딥러닝 돌파구-3 가지 딥뉴럴넷- 딥뉴럴넷의 공통특징
5. 특징추출기의 강화방향- 결맞음- 패턴인식에서의 결맞음- 딥러닝에 있어서의 결맞음- 결맞음 계산법
6. 완전한 결맞음을 향하여
Deep Belief Net. Long Short-Term Memory
Convolutional Neural Net.
딥뉴럴넷의 공통특징1. 인공지능이란 ?- 여러 고려사항- 회귀와 분류
2. 분류수행의 두가지 스타일- 틀린걸 가르기- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의 딥러닝
4. 뉴럴넷의 역사- 다층 퍼셉트론- 다층 퍼셉트론의 한계와 딥러닝
5. 딥러닝 돌파구-3 가지 딥뉴럴넷- 딥뉴럴넷의 공통특징
5. 특징추출기의 강화방향- 결맞음- 패턴인식에서의 결맞음- 딥러닝에 있어서의 결맞음- 결맞음 계산법
6. 완전한 결맞음을 향하여
All successful deep neural net has …
… common part at those tail.
Technically speaking, just {generative classification}-wise tendency can induces the special interests in this part. (together with Softmax judging way).
딥뉴럴넷의 공통특징1. 인공지능이란 ?- 여러 고려사항- 회귀와 분류
2. 분류수행의 두가지 스타일- 틀린걸 가르기- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의 딥러닝
4. 뉴럴넷의 역사- 다층 퍼셉트론- 다층 퍼셉트론의 한계와 딥러닝
5. 딥러닝 돌파구-3 가지 딥뉴럴넷- 딥뉴럴넷의 공통특징
5. 특징추출기의 강화방향- 결맞음- 패턴인식에서의 결맞음- 딥러닝에 있어서의 결맞음- 결맞음 계산법
6. 완전한 결맞음을 향하여
All successful deep neural net has …
… common part at those tail.
Improved part is here
결맞음1. 인공지능이란 ?- 여러 고려사항- 회귀와 분류
2. 분류수행의 두가지 스타일- 틀린걸 가르기- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의 딥러닝
4. 뉴럴넷의 역사- 다층 퍼셉트론- 다층 퍼셉트론의 한계와 딥러닝
5. 딥러닝 돌파구-3 가지 딥뉴럴넷- 딥뉴럴넷의 공통특징
5. 특징추출기의 강화방향- 결맞음- 패턴인식에서의 결맞음- 딥러닝에 있어서의 결맞음- 결맞음 계산법
6. 완전한 결맞음을 향하여
Coherent waves vs. Incoherent waves
Same
Be equal Not be equal
패턴인식에서의 결맞음1. 인공지능이란 ?- 여러 고려사항- 회귀와 분류
2. 분류수행의 두가지 스타일- 틀린걸 가르기- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의 딥러닝
4. 뉴럴넷의 역사- 다층 퍼셉트론- 다층 퍼셉트론의 한계와 딥러닝
5. 딥러닝 돌파구-3 가지 딥뉴럴넷- 딥뉴럴넷의 공통특징
5. 특징추출기의 강화방향- 결맞음- 패턴인식에서의 결맞음- 딥러닝에 있어서의 결맞음- 결맞음 계산법
6. 완전한 결맞음을 향하여
How can I know, How well-coherent two waves are?
Well Bad
패턴인식에서의 결맞음1. 인공지능이란 ?- 여러 고려사항- 회귀와 분류
2. 분류수행의 두가지 스타일- 틀린걸 가르기- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의 딥러닝
4. 뉴럴넷의 역사- 다층 퍼셉트론- 다층 퍼셉트론의 한계와 딥러닝
5. 딥러닝 돌파구-3 가지 딥뉴럴넷- 딥뉴럴넷의 공통특징
5. 특징추출기의 강화방향- 결맞음- 패턴인식에서의 결맞음- 딥러닝에 있어서의 결맞음- 결맞음 계산법
6. 완전한 결맞음을 향하여
This kind of problem can cover various cases.
How much coherent?(Coherency Similarity and Waves Features)
딥러닝에 있어서의 결맞음1. 인공지능이란 ?- 여러 고려사항- 회귀와 분류
2. 분류수행의 두가지 스타일- 틀린걸 가르기- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의 딥러닝
4. 뉴럴넷의 역사- 다층 퍼셉트론- 다층 퍼셉트론의 한계와 딥러닝
5. 딥러닝 돌파구-3 가지 딥뉴럴넷- 딥뉴럴넷의 공통특징
5. 특징추출기의 강화방향- 결맞음- 패턴인식에서의 결맞음- 딥러닝에 있어서의 결맞음- 결맞음 계산법
6. 완전한 결맞음을 향하여
The final part of neural net checks coherency.
How much coherent?(Coherency Similarity and Waves Features)
결맞음 계산법1. 인공지능이란 ?- 여러 고려사항- 회귀와 분류
2. 분류수행의 두가지 스타일- 틀린걸 가르기- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의 딥러닝
4. 뉴럴넷의 역사- 다층 퍼셉트론- 다층 퍼셉트론의 한계와 딥러닝
5. 딥러닝 돌파구-3 가지 딥뉴럴넷- 딥뉴럴넷의 공통특징
5. 특징추출기의 강화방향- 결맞음- 패턴인식에서의 결맞음- 딥러닝에 있어서의 결맞음- 결맞음 계산법
6. 완전한 결맞음을 향하여
Geometrical Understanding of Coherency
결맞음 계산법1. 인공지능이란 ?- 여러 고려사항- 회귀와 분류
2. 분류수행의 두가지 스타일- 틀린걸 가르기- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의 딥러닝
4. 뉴럴넷의 역사- 다층 퍼셉트론- 다층 퍼셉트론의 한계와 딥러닝
5. 딥러닝 돌파구-3 가지 딥뉴럴넷- 딥뉴럴넷의 공통특징
5. 특징추출기의 강화방향- 결맞음- 패턴인식에서의 결맞음- 딥러닝에 있어서의 결맞음- 결맞음 계산법
6. 완전한 결맞음을 향하여
Euclidean Distance vs. Cosine Distance
완전한 결맞음을 향하여1. 인공지능이란 ?- 여러 고려사항- 회귀와 분류
2. 분류수행의 두가지 스타일- 틀린걸 가르기- 닮은걸 찾아내기
3. 닮은걸 찾아내는 도구로서의 딥러닝
4. 뉴럴넷의 역사- 다층 퍼셉트론- 다층 퍼셉트론의 한계와 딥러닝
5. 딥러닝 돌파구-3 가지 딥뉴럴넷- 딥뉴럴넷의 공통특징
5. 특징추출기의 강화방향- 결맞음- 패턴인식에서의 결맞음- 딥러닝에 있어서의 결맞음- 결맞음 계산법
6. 완전한 결맞음을 향하여
The competency for ‘good wave extractor’.
끝