728x90
자연과 우주를 대상으로 하는 물리학적 직관에 의해서 시작된 Boltzman의 통계역학이 1800년대 후반에 시작되어 그 영향이 1920년대 확률을 바탕으로 하는 양자물리학에 큰 영향을 끼쳤으리라 보이며 아울러 물리학 전반을 확률의 문제로 뒤바꿔 놓은 것이 사실일 것이다. 하지만 그보다 반세기를 넘어 훨씬 늦게 시작된 머신 러닝도 결국은 볼츠만의 확률분포에 기원한 Softmax 라든지 Fermi-Dirac 확률분포를 사용하는 Sigmoid 함수 사례에서처럼 그 여파가 현재에도 미치고 있는 듯하다. Boltzman의 통계역학을 차용했다고 보이는 Softmax에 대해서는 이미 논의가 되었으며 이번에는 Fermi-Dirac 확률분포를 차용했다고 보는 Sigmoid 함수에 대해서 알아보기로 한다.
다음의 사이트 주소로 이동해서 마저 읽으세요.
https://steemit.com/kr/@codingart/2-14-fermi-dirac-fermi-level-sigmoid
'머신러닝' 카테고리의 다른 글
머신러닝 TensorFlow 응용 2차 방정식의 중근 구하기 (0) | 2018.11.25 |
---|---|
Rosenblatt Perceptron N = 1 조도센서 예제 Fermi-Diradc 확률분포를 사용하는 Sigmoid 확률분포 계산 (0) | 2018.09.06 |
Logistic regression 에 사용되는 Sigmoid 함수를 사용하게 된 배경을 추적해 보자. (0) | 2018.09.02 |
2-5 퍼셉트론 개념에 입각한 훈민정음 자음(“+1”) 모음(“-1”) 구별 TensorFlow Softmax 예제 (0) | 2018.08.16 |
2-9 XOR 논리연산 성능 한계에 부딪힌 퍼셉트론 (0) | 2018.08.14 |