신경망 이론과 deep learning

Neural Networks, Manifolds, and Topology by colah

colah’s blog에서 패턴 인식기계 학습에 관한 위 글을 읽어봤는데, 한 가지 이해가 안 되는 부분이 있다면, 왜 데이터를 선형적으로만 자르는지에 대한 부분이다. 그래서 도서관에서 패턴 인식론에 관한 책을 좀 찾아봤다. 근데 와… 인공지능의 이쪽 분야도 엄청 배울게 많다는 것만 알았다-_-

여하간 확실하지는 않지만 퍼셉트론이라는 함수 자체가 vector value를 domain으로 다루는 real-valued function이기 때문이라 그런 것 같다. 근데 1960년대에 Marvin MinskySeymour Papert가 퍼셉트론이 xor연산을 못한다는 것을 증명해서 약간 소동이 있었는 듯. ㅋ 근데 왜 아직 각광을 받는지는 모르겠다.

여하간 토론토 출신의 유명한 과학 저술가 Michael Nielsen씨가 새로운 사이트를 만든 모양인데, (이 아저씨는 수학에 관심이 있다면 이미 알고 있을 polymath 사이트를 만든 사람이다. 일전에 소개한 적 있다) 사이트 제목이 Neural Networks and Deep Learning이다.

http://neuralnetworksanddeeplearning.com/

아직 미완성이라 챕터가 두 개 밖에 없지만, 내용은 꽤 읽을만 하다. 도서관에서 신경망과 패턴인식에 대한 책을 조금 읽고 나니 이해가 약간 되는 편인듯?

아 근데 이 글은 본 블로그에 넣을 카테고리가 없네… 애매하다… -_-

3 thoughts on “신경망 이론과 deep learning

  1. 단층 퍼셉트론이 xor 패턴 인식을 학습하지 못한다는게 역설의 진리를 쉽게 배우지 못하는 우리의 뇌와 관련이 있을것 같은 생각이 얼핏 드네요. 예를 들면 좋은게 너무 많으면 약간 부족한만 못하다. 과유불급 이라는것도 직관적으로 배우기 힘들잖아요.

답글 남기기

아래 항목을 채우거나 오른쪽 아이콘 중 하나를 클릭하여 로그 인 하세요:

WordPress.com 로고

WordPress.com의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

Twitter 사진

Twitter의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

Facebook 사진

Facebook의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

Google+ photo

Google+의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

%s에 연결하는 중