머신러닝 283

Rosenblatt Perceptron N = 1 조도센서 예제 Fermi-Diradc 확률분포를 사용하는 Sigmoid 확률분포 계산

#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 인식..

머신러닝 2018.09.06

통계역학의 Fermi-Dirac 확률분포, Fermi level 과 머신 러닝의 Sigmoid 함수에 대하여

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 반..

머신러닝 2018.09.06

Logistic regression 에 사용되는 Sigmoid 함수를 사용하게 된 배경을 추적해 보자.

동일(identical)한 하지만 구별(distinguishable) 가능한 입자들의 문제를 다루기 위해 볼츠만으로부터 시작된 통계 물리학은 물리학이라는 경계 내의 볼츠만 분포로 끝나는 것은 아닌 듯하다. 그 이유는 물리학의 범주와 아무런 관계가 없다고 볼 수 있는 머신 러닝 분야가 통계 물리학의 핵심..

머신러닝 2018.09.02

2-5 퍼셉트론 개념에 입각한 훈민정음 자음(“+1”) 모음(“-1”) 구별 TensorFlow Softmax 예제

퍼셉트론 코딩에 대한 글을 연재하면서 여러 번 적절한 예제가 있느냐 없는냐는 점을 찾아 보았다. 비록 간단 하지만 조도센서 1개 짜리 N=1, 조도센서 2개 짜리 N=2 에 대한 실현 가능한 예제를 제시했으며 결론적으로 Rosenblatt의 목적이 지금의 MNIST 문자 인식과 대동소이하다는 점을 지적..

머신러닝 2018.08.16

2-7 갓 머신 러닝 툴 TensorFlow Softmax 에 의한 Rosenblatt Perceptron N =1 예제 체크

물론 지금까지 다루어 오던 아두이노 엘렉트로닉스류의 코딩이 안드로이드 OS의 지원을 받는 스마트 폰에서 앱 코딩을 지원하는 앱인벤터와 조우하는 경우 아두이노 코딩이 보다 강력한 시너지를 받을 수 있었지만 한편 PC의 Processing에서 시리얼/이더넷 인터페이스나 무선 와이파이에 의..

머신러닝 2018.08.14

※1-25 Irises flower(붓꽃) data set을 사용한 Softmax Classification 머신 러닝 첨부 코드 AS

1-25에 첨부된 코드를 가져다 실행 시켜보니 많은 에러가 발생하였는데 그 원인은 스팀잇의 마크다운 편집과정에서 아나콘다 편집기에서 작성된 indentation( Tab에 의해 오른 쪽으로 움푹 들어가기)효과가 유지 되질 않는군요.파이선 코드가 indentation에 민감하거든요.1-25 코드 사용하시는 분..

머신러닝 2018.08.14