본문 바로가기
반응형

Computer Science92

[Convolutional neural network] 2 MLP(DNN) vs. CNN 이 모델은 어떤 모델에 해당합니까? 출력 치수가 1이면 어떻게 합니까?NN은 (블랙박스) 특징 추출기와 같은 역할을 합니다 ("표현 학습")트레이닝 CNNS행렬 곱셈으로 구현• 컨볼루션 연산은 기본적으로 필터와 입력의 로컬 영역 사이에서 점 곱을 수행합니다• 일반적인 구현은 이 사실을 이용하여 컨볼루션 레이어의 순방향 패스를 하나의 큰 행렬 곱셈으로 공식화하는 것입니다 • 많은 메모리를 사용할 수 있고 행렬 곱셈의 매우 효율적인 구현이 있습니다CNN을 위한 역전파• 컨볼루션 레이어 – 컨볼루션 연산을 위한 백워드 패스도 컨볼루션입니다. 이는 1차원의 경우에서 쉽게 도출할 수 있습니다• 풀링 레이어– max(x, y) 연산에 대한 백워드 패스는 순방향 패스에서 가장 높은 .. 2024. 6. 18.
[Convolutional neural network] 1 이미지 기반 응용 프로그램• 딥 러닝의 가장 큰 성공 중 일부는 이미지 및 비디오 이해에 초점을 맞춘 컴퓨터 비전 분야입니다 • 컴퓨터 비전 태스크이미지넷• 1,400만 개가 넘는 이미지, 21,841개의 카테고리로 구성된 대규모 데이터 세트 • 계층으로 레이블이 지정된 이미지ILSVRC(ImageNet Large Scale Visual Recognition Challenge)경기 데이터 세트:• 1000개의 클래스• 1,281, 167 트레이닝 이미지, 50,000개의 유효성 검사 이미지, 100,000개의 테스트 이미지이미지 데이터그레이스케일 이미지: 크기 너비 x 높이의 2D 매트릭스 • 3D 텐서: [w, h, channels] 예, c=3 (R/G/B channels) • 4D: x time(비.. 2024. 6. 18.
[Evaluation ofRecommender Systems] 2 순위 인식 평가 지표순위 측정 기준: 위치가 중요합니다• 리콜 및 정밀도를 확장하여 순위 목록에서 올바른 항목의 위치를 고려합니다.• 관련 항목은 추천 목록에서 먼저 나타날 때 더 유용합니다.• 예제• 할인된 누적 이득, 평균 정밀도• 스피어맨 상관계수.관련 vs 추천• 특정 사용자-아이템 쌍에 대한 관련 항목은 이 항목이 사용자에게 좋은 권장 사항임을 의미합니다.• 추천 항목은 이 항목이 추천 모델에 의해 사용자에게 제공된다는 것을 의미합니다.• 추천 품목이 관련 품목과 얼마나 잘 연관되어 있는지 정량화하는 데 관심이 있습니다.순위 인식 정확도 메트릭• 정밀도 및 리콜 메트릭을 확장할 수 있습니다.• 추천 목록에서 해당 항목의 순위를 무시합니다.• 대표적인 순위 인식 지표• 평균 역수 순위(MRR)• .. 2024. 6. 18.
[Evaluation ofRecommender Systems] 1 추천자 모델 평가평가에 관한 주요 질문• 추천은 잘 되나요?• 사용자들은 추천 아이템을 좋아합니까?• 매출이 증가합니까?• 서비스에 가장 적합한 알고리즘은 무엇입니까?• 평가를 위한 적절한 설계가 중요하지만 너무 어렵습니다.• 평가는 종종 다면적입니다.• 하나의 기준으로는 설계자의 많은 목표를 달성할 수 없습니다.• 잘못된 설계는 추천 모델의 실제 성능을 과소평가하거나 과대평가할 수 있습니다.온라인 평가• 사용자 연구• 시험 과목을 적극적으로 모집합니다.• 추천 시스템과 상호 작용하여 작업을 수행합니다.• 대규모 사용자를 모집하는 것은 어렵고 비용이 많이 듭니다.• 모집된 사용자는 편향될 수 있습니다. 즉, 실제 사용자의 대표가 아닙니다.• 온라인평가 : A/B테스트• 사용자는 종종 상용 시스템의 실제 .. 2024. 6. 18.
반응형

티스토리툴바