Ordinary day

(파이썬과 케라스로 배우는 강화학습을 읽고 요약정리 한 것입니다.) 1. 케라스현재 가장 널리 쓰이는 딥러닝 프레임워크는 텐서플로우이다. 케라스는 텐서플로우를 감싸는 또 다른 프레임워크이다.앞에서 input, hidden, output 의 레이어를 정의했었는데 케라스의 소스로 표현한다면 아래와 같이 나타낼 수 있다. model.add(Dense(30, input_dim=15, activation='relu'))model.add(Dense(30, activation='relu'))model.add(Dense(1, activation='linear')) 모델(Sequential model)은 add() 함수로 레이어를 연결할 수 있다.Dense() 의 첫번째 파라미터는 노드 수를 의미한다.input_dim ..

(파이썬과 케라스로 배우는 강화학습을 읽고 요약정리 한 것입니다.) 1. 근사함수 Function Approximation앞에서 봤던 문제들은 간단한 문제였지만 대부분은 상태가 다양하고 환경이 변한다.그럼 이런 경우엔 에이전트는 강화학습을 통해 어떻게 학습할까? 이전에 봤던 다이내믹 프로그래밍은계산 복잡도: 상태 공간의 크기가 커지는 경우차원의 저주: 상태의 차원이 늘어나는 경우환경에 대한 완벽한 정보 필요: 보상, 상태변환확률(모델)을 정확히 알아야 함이런 한계가 존재했었고, 몬테카를로, 살사, 큐러닝으로 3번의 문제를 해결할 수 있었다.(몬테카를로, 살사, 큐러닝은 model-free로, 샘플링을 통해 학습)그렇다면 1과 2는 어떻게 해결해야 할까? 기존의 강화학습 알고리즘에서는 각 상태에 대한 정보..

(해당 포스팅은 Natural Language Processing with Deep Learning CS224N/Ling284 를 토대로 작성한 것입니다.)1. Natural Language Processing (NLP) 는 무엇일까?자연어 처리는 컴퓨터공학, 인공지능, 언어학의 한 분야라고 생각하면 된다. NLP의 궁극적인 목적은 어떤 작업을 처리하기 위해 컴퓨터가 사람의 언어를 "이해" 하거나 "처리"하는 것이다. 예를 들어보면, 어떤 물건을 살 때 수행되는 작업이나 QA시스템(시리, 구글 어시스턴트 등) 이 있다. 사실 자연어의 의미를 완전히 이해하고 재표현하는 것은 상당히 어려운 목표이다. 아마 완벽한 자연어 이해는 인공지는의 완성을 뜻하는 것이리라.. NLP의 단계를 보면 다음과 같이 그릴 수 ..