728x90
#History
물리학에 비해 다소 늦게 시작된 머신 러닝은 통계 물리학에서 다루는 3종류 확률분포 중 2종류에 크게 영향을 받고 있다. 첫 번째가 Softmax로서 Boltzman의 통계 역학 공식을 포장도 전혀 바꾸지 않은 채로 그대로 가져다 쓰고 있으며 MNIST 수기 숫자 인식 문제에서 대단히 뛰어난 인식율을 보여 주고 있다. 그 다음이 Sigmoid 확률분포인데 Binary Classification 영역에서 사용이 가능하며 딥러닝에서도 많이 활용될 정도로 중요성이 있다
다음의 사이트 주소로 이동해서 마저 읽으세요.
https://steemit.com/kr/@codingart/2-15-fermi-dirac-sigmoid-rosenblatt-perceptron-n-1
'머신러닝' 카테고리의 다른 글
| 3차방정식의 근 구하기 텐서플로우 파이선 코드 (0) | 2018.11.25 |
|---|---|
| 머신러닝 TensorFlow 응용 2차 방정식의 중근 구하기 (0) | 2018.11.25 |
| 통계역학의 Fermi-Dirac 확률분포, Fermi level 과 머신 러닝의 Sigmoid 함수에 대하여 (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 |