총 3개
-
[보고서]딥러닝 모델링 성능 향상 기법2025.01.241. 손실함수 신경망의 성능을 개선하기 위한 방법 중 하나로 손실함수에 대해 다루었습니다. 연속형 모델의 경우 평균 제곱 오차법(MSE)을, 이산형 모델의 경우 이진 교차 엔트로피(BCE) 손실을 사용하는 것이 적합하다고 설명하고 있습니다. Pytorch에서는 nn.MSELoss()와 nn.BCELoss()를 사용할 수 있습니다. 2. 활성화 함수 신경망 훈련 시 기울기 소실 문제를 해결하기 위해 다양한 활성화 함수에 대해 설명하고 있습니다. 전통적인 시그모이드 함수의 문제점을 지적하고, ReLU와 Leaky ReLU 함수를 소개하...2025.01.24
-
파이토치를 이용한 선형회귀 실험 결과보고서2025.12.111. PyTorch 선형회귀 모델 PyTorch를 사용하여 선형회귀 모델을 구현하고 훈련하는 과정을 다룬다. 주어진 행렬 방정식 Ax=B를 해결하기 위해 모델의 바이어스 항을 제거하고, 지정된 에폭 동안 손실을 계산하여 가중치를 업데이트한다. 이 과정은 선형회귀의 유연성과 다양한 문제 해결에 대한 적용 가능성을 보여준다. 2. 선형대수와 행렬방정식 해결 선형회귀 모델을 사용하여 선형대수학의 행렬 방정식 문제를 해결하는 방법을 탐구한다. 훈련된 모델의 가중치를 검사하여 얻은 해가 실제 해와 얼마나 일치하는지 평가하며, 수도 역행렬 방...2025.12.11
-
로지스틱 회귀 머신러닝 실험 결과보고서2025.12.111. 로지스틱 회귀 로지스틱 회귀는 이진 분류 문제를 해결하기 위한 머신러닝 알고리즘이다. 본 실험에서는 PyTorch를 사용하여 로지스틱 회귀 모델을 구축하고 정규화된 데이터에 대해 훈련시켰다. 학습률과 반복 횟수 조정이 중요한 역할을 했으며, 훈련 과정에서 각 에폭마다 손실을 계산하고 가중치를 업데이트했다. 모델은 단순한 범주 예측을 넘어 데이터 간의 복잡한 확률적 관계를 모델링할 수 있음을 확인했다. 2. PyTorch 기반 모델 구현 PyTorch를 활용하여 로지스틱 회귀 모델을 설정하고 훈련하는 과정을 수행했다. 모든 코드...2025.12.11