Everyday-Jaram blog

딥러닝_07_과대적합 제어 및 전이학습 [과대적합 제어방법] 데이터 확장(증식) 기존의 데이터에 원래의 특성을 유지하는 선에서 잡음을 추가하거나 데이터를 변형하여 데이터의 양을 증가시키는 방법 데이터의 수가 부족한 경우 간단하게 성능을 개선할 수 있음(과대적합 방지) 1)이미지 데이터 확장방법 rotation_range(360): 0~360° 회전 width_shift_range(0.1): 전체에서 10%내외 수평이동 height_shift_range(0.1): 전체에서 10% 내외 수직이동 -일반적으로 이미지는 수평이동보다 수직이동의 영향을 많이 받으므로 수직이동 값을 작게 설정함 shear_range(0.5): 0.5 radian 내외 시계 반대방향으로 변형 zoom_range(0.3): 0.7~1...

Spring_07_게시판 실습 project 생성 시 dependencies 설정 DevTools: 수정사항이 생기면 Tomcat을 자동으로 재시작하는 도구 -자동재시작: 내용을 수정하면 자동으로 서버 재시작 기능 수행 -ReLoad: resource 내용이 변경되면 자동으로 새로고침 기능 수행 sqlDeveloper에서 board2 테이블 생성하기 [Board]entity 필드 및 생성자 만들기 [BoardWrite] 파일선택하는 input 태그 추가 form 태그에 enctype을 multipart/form-data로 지정 [BoardController] 첫 화면 메인페이지 실행 게시글 작성 페이지로 이동 게시글 저장하는 메소드 @RequestPart annotation으로 file 태그 name값으..

Spring_06_Spring Boot&리액트 연동 [sqlDeveloper에서 mysql 사용하기] Mysql Community 다운로드-sqlDeveloper 폴더에 넣기 https://dev.mysql.com/downloads/connector/j/8.0.html [sqlDeveloper] Oracle 환경설정-데이터베이스-타사 JDBC 드라이버-항목추가-Mysql.jar파일 선택 *mysql 파일 경로: C:\Users\smhrd\Desktop\sqldeveloper-23.1.0.097.1607- no-jre\sqldeveloper MySQL로 데이터베이스 접속 데이터 베이스 선택 Player 테이블 생성 선수정보 삽입 [Spring Boot] [PlayerController] @RestContr..

딥러닝_06_CNN DNN(Deep Neural Network); 은닉층을 늘려서 학습을 반복하여 최적의 해 도출 -대표적인 알고리즘: CNN, RNN, LSTM, GRU 등 2. CNN(Convolution Neural Network): 이미지 데이터의 특성을 추출하는 알고리즘 과대적합, 기울기 소실문제, 학습시간이 오래 걸리는 문제 해결 기존의 방식: 이미지 패턴의 위치 기반으로 이미지 데이터 학습 CNN 방식: 이미지 데이터의 특징 중 중요한 특성을 추출하여 학습 3. CNN 과정: 이미지→[특성 추출→이미지 크기 줄이기]*반복→여러 작은 특성 이미지 추출→학습→예측 Convolution: filter 연산, 이미지의 특징을 찾기 위해 필터링 수행 *필터 시뮬레이터 https://setosa.io/..

Spring_05_Spring Boot [회원가입, 아이디중복확인, 회원조회 실습] [환경설정] Spring Tools 4 from Eclipse: 4.19.1 (windowsx86_64) https://spring.io/tools Boot Dashboard: Tomcat 내장 Create New Spring Starter Project: Name, Type, Group, Package 변경 Dependencies: [pom.xml]에 자동으로 작성됨 -Spring Boot에서 자동으로 버전관리를 해주기 때문에 버전에 대한 태그는 없음 [SpringBoot 구조] *Spring Boot에서는 view의 역할로 jsp 대신 Thymeleaf를 사용함 [SpringBoot1Application] 현재 클래스..

딥러닝_05_오차 역전파 오차 역전파(Back Propagation) 순전파: 입력데이터를 입력층에서부터 출력층까지 정방향으로 이동시키며 출력값을 예측해나가는 과정 역전파: 출력층에서 발생한 오차를 입력층 쪽으로 전파하며 오차에 관여하는 가중치를 수정하여 오차를 줄이는 방향으로 최적의 결과를 학습해나가는 과정 2. sigmoid 함수의 문제점: 역전파과정에서 출력층이 많을수록 미분값이 0에 가까워져 기울기 소실문제가 발생하여 학습이 제대로 되지 않음 3. ReLU: 입력값이 양수일 경우 입력값에 상관없이 미분값이 항상 동일한 값(1)을 유지하여 역전파 과정에서 기울기가 소실되는 문제를 해결 -단점: 입력값이 음수인 경우 미분값이 0이 됨(=데이터 손실), 데이터스케일링 시 사용 x 4. 최적화함수의 종류..

딥러닝_04_다중분류 다중분류: 분류되는 클래스의 개수가 3개 이상인 분류 활성화 함수: 신호를 활성화 함수를 거쳐 역치 이상의 자극만 다음 계층의 전달함 활성화 함수의 종류: 예측하고 싶은 데이터의 따라 출력층의 활성화 함수가 달라짐 1)연속형 데이터(회귀): Linear 함수(항등함수), y=x -입력값 그대로 출력되지만 활성화 함수를 입력해야 하기 때문에 형식적으로 있는 것 -활성화 함수를 따로 작성하지 않으면 기본값으로 Linear 함수가 적용됨 2)분류: 선형모델의 출력결과는 연속형 데이터, 분류모델의 출력결과는 확률이므로 활성화 함수를 통해 연속형 데이터를 확률로 변환 초기 활성화 함수: step function, 기울기가 없어 경사하강법과 맞지 않음 이진분류: sigmoid 함수, 한 클래스..

Spring_04_비동기통신(Ajax) [BoardWrite]작성한 게시글을 Ajax방식으로 BoardMain으로 보내기 비동기 통신 함수를 실행할 버튼 생성: , 태그 끝난 위치에 작성 2. form태그에 작성된 값을 가져와서 Ajax 방식으로 요청 데이터 보내기 serialize 함수로 form 태그에 작성된 값 가져오기 ajax로 요청 데이터 보내기: 요청경로, 요청데이터, 요청방식, callback 함수 작성 [BoardController] @ResponseBody: Controller에서 데이터만 응답하고 싶을 때 사용하는 annotation @RequestMapping에서 한글인코딩(produces) Ajax로 보낸 데이터 매개변수에 Board 형태로 받아오기 작성한 게시글 DB에 저장하기: ..

딥러닝_03_퍼셉트론, 다층퍼셉트론 [퍼셉트론] 퍼셉트론: 선형모델+활성화 함수 인간의 뉴런은 모든 자극에 반응하는 게 아니라 자극의 크기가 역치 이상일 때 반응함 *역치: 반응을 일으키기 위한 최소한의 자극의 세기 역치의 개념을 활성화 함수로 표현 입력데이터가 활성화 함수를 통해 자극에 반응할 것인지 결정됨 1)Step function(계단함수): 퍼셉트론에 활용되는 활성화 함수. X값이 0 이하면 y는 0(무반응), 0을 초과하면 1(반응) 2)시그모이드 함수(sigmoid 함수): 경사하강법을 사용할 때 필요한 기울기가 있는 함수 경사하강법: 예측값과 정답값 간의 차이인 손실 함수의 크기를 최소화시키는 파라미터를 찾기 위해 최적의 가중치와 절편의 값을 찾는 방법 2. 다층 퍼셉트론(MLP, Mult..

Spring_03_Spring Legacy 템플릿 [Spring 템플릿 사용하기] spring 프로젝트 만들기: new-other-Spring Legacy Project controller 패키지 만들기: kr.board.[controller]→ [ ] context path [context root 변경]Web Project Settings [web.xml]java-→Java로 변경 [Spring 디렉토리 구조] [서버 등록] 프로젝트를 서버탭으로 드래그앤드롭 2. 톰캣 modules에서 프로젝트 등록 [spring 환경설정] 1~25번 [pom.xml] S1. Spring version: 5.0.2 버전으로 변경, java version: 1.8 버전으로 변경 S2. JDK version: 1.8 버..