[Tensorflow] 준비사항 2
기초지식
확률
어떤 사건이 일어날 수 있는 경우를 신뢰할 수 있는 정도를 규정하는 방법, 2가지로 나뉨
(1) 빈도론자(Frequentist)
얼마만큼 빈번하게 특정한 사건이 반복되어 발생하는가를 관찰, 이를 기반으로 가설을 검증
즉, 사전 확률이 없다.
-> 사건이 독립적이고 반복적이며, 그 확률분포가 정규분포를 보이는 문제에 적합 ex.) 도박승률, 농작물 수확량, 보험금 계산, Etc.
(2) 베이지안(Bayesian)
어떤 가설의 확률을 평가하기 위해 주관적으로 또는 임의적으로 사전 확률을 먼저 정하고, 관찰된 데이터를 기반으로 가능도를 계산하여 처음의 설정된 확률을 보정
-> 사전 관찰 지식이 없는 불확실한 상황 예측에 적합, 관찰된 데이터를 가지고 조건부로 가설을 검증
선형대수학
벡터와 행렬은 인공신경망을 이해하기 위한 기초 수학이다.
(1) 벡터
방향과 크기의 의미를 모두 포함하는 수학으로 스칼라 값들을 순서대로 가진다.
선형수학에서의 n-차원 벡터 -> n개의 원소를 갖는 벡터로 열 벡터(ColumnVector)로 표현 = 행 벡터(Row vector)
(2) 행렬
행렬은 원소들이 놓여지는 행과 열을 가진다.
행 또는 열의 크기가 1이고, 다른 열 또는 행의 크기가 1이 아닐때 그 행렬은 벡터로 볼 수 있다.
행렬과 벡터의 곱셈은 일정한 규칙에 따라 계산한다.
([i][j] = sum(A[i][k] * B[k][j]) for k = 0....n
해석학 - 미분
연속적이로 매끄러운 함수(미분 가능한 함수)에서 특정 지점의 접선의 기울기는 그 점에서의 미분 값과 같다.
미분이 불가능한 경우 = (뾰족 점, 불연속적인 점, 접선이 수직인 점)
합성함수의 미분
합성함수?
함수 g(x)의 결과값이 다시 다른 함수 f(x)의 값으로 들어가는 f(g(x))의 구조
여러번 합성 된 경우로 동일한 규칙을 적용할 수 있으며, 인공 신경망의 역전파 알고리즘에서 사용
편미분
다변수 함수를 미분할 때 미분대상 변수 외에 나머지 변수를 고정시켜 상수처럼 생각하여 미분하는 방식
다변수 f가 동립변수 x, y 를 가지고 있을 때 , 함수 f를 x에 대하여 편미분 한 것은 밑에 사진을 참조.
=================================================================
=================================================================