Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 | 31 |
Tags
- Design Pattern
- 코딩테스트
- 머신러닝
- 차원축소
- 클러스터링
- 데이터 마이닝
- c++
- cpp
- lambda
- 합성곱 신경망
- 데이터 분석
- ack
- java
- 코드트리
- NumPy
- 넘파이 기초
- Machine Learning
- 코테
- 넘파이 배열
- 코딩테스트실력진단
- python
- numpy 기초
- 기계학습
- 파이썬
- cpp class
- OOP
- 자바
- 네트워크 기초
- 디자인 패턴
- 넘파이
Archives
- Today
- Total
목록PReLU (1)
준비하는 대학생

활성화 함수는 인공신경망에서 비선형성을 도입하여 복잡한 함수를 모델링하는 데 필수적인 요소입니다. 여기서는 널리 사용되는 몇 가지 활성화 함수들을 살펴보고, 이들의 특징과 수학적 표현, 코드 구현 및 그래프를 통해 각각을 자세히 이해할 수 있도록 하겠습니다. 계단 함수(Step Function) 계단 함수는 가장 단순한 형태의 활성화 함수입니다. 입력값이 0보다 작으면 0을, 그렇지 않으면 1을 출력합니다. 하지만 이 함수는 동일한 출력을 가질 수 있는 다양한 입력값들에 대해 구분을 할 수 없다는 단점이 있습니다. 예를 들어, 시험 점수가 60점 이상이면 합격, 그렇지 않으면 불합격으로 처리하는 경우, 59점과 0점은 차이가 있음에도 불구하고 둘 다 불합격으로 분류됩니다. import torch impo..
Programming/NLP
2023. 11. 10. 18:22