[TensorFlow1.0] 인공신경망 (Artificial neural network) 기초 Start
BioinformaticsAndMe
1. 인공신경망 (Artificial Neural Network;ANN)
: 인공신경망(ANN)은 인간의 뇌를 묘사한 기계학습 예측 모델
→ 인공적인 신경망인 뉴런으로 구성되어, 입력값을 받아 계산 수행
: 인공신경망은 최근 딥러닝의 도약으로 그 성능이 재조명되고 활발하게 사용되는 중
: 인공신경망 종류
ㄱ) Perceptron(퍼셉트론) - 각 노드의 가중치 합이 0보다 크면 활성화되는 기본적인 인공신경망 알고리즘
ㄴ) Convolutional Neural Network(CNN) - 시신경 구조를 모방한 인공신경망 알고리즘
ㄷ) Recurrent Neural Network(RNN) - 뉴런 출력이 다시 입력으로 재귀하는 연결 구조의 인공신경망 알고리즘
#INPUT LAYER(입력층) - 외부 데이터를 입력하는 입구 노드
#HIDDEN LAYER(은닉층) - 노드 사이를 연결하고, 결과를 노드로 전달
#OUTPUT LAYER(출력층) - 최종 결과를 내보내는 출구 노드
2. [TensorFlow] 텐서플로우 인공신경망 기초
# '__future__' : python 2에서 python 3 문법 사용 가능
from __future__ import absolute_import, division, print_function
# 케라스, 넘파이 라이브러리 임포트
from tensorflow.keras import layers , models , optimizers , losses , initializers
import numpy as np
# 그래프 생성
# initializers.Constant(2)는 weight값을 default 2로 지정 input_node = layers.Input(shape = (1,) ) output_node = layers.Dense( units = 1 , kernel_initializer = initializers.Constant(2))(input_node) # 모델 생성 model = models.Model( inputs = input_node , outputs = output_node )
# 샘플 1개를 생성된 모델로 출력
x = np.asarray([[10]]) model.predict(x)
array([[20.]], dtype=float32)
# 샘플 3개를 생성된 모델로 출력
x = np.asarray([[1],[2],[10]]) model.predict(x)
array([[ 2.], [ 4.], [20.]], dtype=float32)
# 그래프 생성
input_node = layers.Input(shape = (2,) ) output_node = layers.Dense( units = 2 , kernel_initializer = initializers.Constant(2))(input_node)
# 모델 생성 model = models.Model( inputs = input_node , outputs = output_node )
# 샘플 1개를 생성된 모델로 출력
x = np.asarray([[10 , 2]]) model.predict(x)
array([[24., 24.]], dtype=float32)
# 샘플 4개를 생성된 모델로 출력
x = np.asarray([[10 , 2],[2 , 4],[10 , 5],[22,11]]) model.predict(x)
array([[24., 24.], [12., 12.], [30., 30.], [66., 66.]], dtype=float32)
# 그래프 생성
input_node = layers.Input(shape = (2,) ) hidden_node = layers.Dense( units = 2 , kernel_initializer = initializers.Constant(2))(input_node) output_node = layers.Dense( units = 1 , kernel_initializer = initializers.Constant(3))(hidden_node)
# 모델 생성 model = models.Model( inputs = input_node , outputs = output_node )
# 샘플 1개를 생성된 모델로 출력
x = np.asarray([[10 , 2]]) model.predict(x)
array([[144.]], dtype=float32)
# 샘플 4개를 생성된 모델로 출력
x = np.asarray([[10 , 2],[2 , 4],[10 , 5],[22,11]]) model.predict(x)
array([[144.], [ 72.], [180.], [396.]], dtype=float32)
3. [TensorFlow] 활성함수 (relu vs softmax)
#Reference
1) https://namu.wiki/w/%EC%9D%B8%EA%B3%B5%EC%8B%A0%EA%B2%BD%EB%A7%9D
2) https://ko.wikipedia.org/wiki/%EC%9D%B8%EA%B3%B5_%EC%8B%A0%EA%B2%BD%EB%A7%9D
3) 2019년도 유전체 분석 분야 재직*연구자 전문교육
4) https://www.sciencedirect.com/science/article/pii/B9780128015599000065
5) https://m.blog.naver.com/wideeyed/221021710286
[TensorFlow1.0] 인공신경망 (Artificial neural network) 기초 End
BioinformaticsAndMe
'Machine Learning' 카테고리의 다른 글
| [TensorFlow] RNN 기반의 텍스트 분류 (1) | 2019.12.13 |
|---|---|
| [TensorFlow] 이미지 분류 신경망 (0) | 2019.12.06 |
| [TensorFlow1.0] Cancer classification using gene expression (0) | 2019.11.20 |
| [TensorFlow1.0] Multiple Linear Regression (0) | 2019.11.11 |
| 차원의 저주 (Curse of dimensionality) (0) | 2019.11.04 |
