글쓴이: 익명 사용자 / 작성시간: 수, 2019/10/02 - 5:37오전
입력노드는 총 5개입니다. 한 노드당 2개 중 하나의 값을 가지고 있어 서로 다른 입력값은 총 32가지의 경우를 가집니다.
출력노드는 770여개입니다. 770여개의 항목 각각의 적합도를 구하여 출력할 것입니다. 이 항목은 점점 늘어날 것입니다.
이러한 경우 ANN으로 학습이 가능할까요? 훈련데이터 개수가 서로 다른 32개일 경우와 똑같은 입력이 존재하여 총 300개의 훈련 데이터를 준비했을 때의 경우의 학습 차이가 있을까요?
딥 러닝은 빅데이터를 기반으로 수 많은 파라미터를
딥 러닝은 빅데이터를 기반으로 수 많은 파라미터를 최적화시키는 통계적 기법입니다.
즉, 최소한 수만에서 수백만 개 정도의 데이터가 있어야 결과를 낼 수 있다는 말씀.
입력 데이터의 개수가 작다면 딥러링이 아닌 분석적 방법으로 처리해야 할 것입니다.
특히 위와 같이 입력데이터 개수가 32개로 고정된다면, 딥러닝의 의미가 없습니다.
훈련에 사용된 데이터에 이미 모든 결과가 나와 있어, 새로운 예측의 의미가 없어지기 때문입니다.
또한, 똑같은 데이터를 여러 개 중복한다고 하여 결과가 나아지지는 않으며, 제대로 된 네트워크라면 같은 데이터에서는 같은 결과를 낼 것입니다. 그렇지 않다면, 중복하지 않았을 때보다 나쁜 결과가 나올 것입니다.
글 감사합니다.
글 감사합니다.
만약 입력 노드 두개를 추가하는데 이 두개는 47가지 중 하나의 값(0~46)이 들어갑니다. 적합도를 계산할 때 항목의 값이 1~46의 숫자와 일치하면 적합도를 상승시키고 다르면 그대로 두는(+0) 방식으로 결과의 실제값을 구한다면 이러한 방식은 ANN으로 학습하는데 의미가 있을까요?
5가지의 노드도 한 항목의 값들과 비교하여 일치하면 적합도를 증가시키고 일치하지 않으면 그대로 두는 방식으로 산출합니다..
딥 러닝의 입력 데이터와 메카니즘에 대해 좀 더 알아
딥 러닝의 입력 데이터와 메카니즘에 대해 좀 더 알아 보시기 바랍니다.
네트워크에 입력되는 데이터는 해결하고자 하는 문제의 본질적인 데이터가 되어야 합니다.
메타데이터 같은 것을 넣는 것은 도움이 되질 않습니다.
예를 들어, 이미지 처리를 하고자 한다면, 픽셀데이터를 입력해야 하는데, 여기에 파일명이나 인기도 같은 데이터를 추가한다고 해서 결과가 나아질까요?
댓글 달기