본문 바로가기
반응형

전체 글165

[개념정리] Graph Convolutional Network란? GCN이란? [해당 포스팅은 "[기초개념] Graph Convolutional Network(GCN)"(GIST 발표자료) 를 참조했습니다. 링크: https://www.slideshare.net/slideshow/graph-convolutional-network-gcn/144158888#6 ]1. 그래프 기본개념 - 그래프는 일반적으로 G = (V, E)로 정의되며 여기서 V는 노드의 집합을, E는 엣지의 집합을 의미합니다.  * 노드(Node) : 각각의 노드는 속성 벡터(feature)를 가지게 됩니다. 예를 들어, SNS 그래프에서 한 노드는 사용자에 해당하며 사용자의 속성(나이, 관심사 등)이 포함된 벡터가 그 노드의 특징 벡터입니다.  * 엣지(Edge) : 엣지는 노드 간의 연결을 나타내며, 엣지가 존재.. 2024. 9. 28.
[개념정리] 그래프 신경망(Graph Neural Network / GNN) (3) [본 포스팅은 다음 블로그를 참조하여 작성하였습니다. https://viso.ai/deep-learning/graph-neural-networks/] Graph Neural Networks (GNNs) - 2024 Comprehensive Guide - viso.aiGraph Neural Networks (GNNs) operate on graph-structured data, enabling them to learn relationships and patterns within complex networks.viso.ai [개념정리] 그래프 신경망(Graph Neural Network / GNN) (1) [개념정리] 그래프 신경망(Graph Neural Network / GNN) (1)1. 그래프 신경망이.. 2024. 8. 2.
[개념정리] 그래프 신경망(Graph Neural Network / GNN) (2) [본 포스팅은 다음 포스팅의 내용을 참조하여 작성하였습니다. https://viso.ai/deep-learning/graph-neural-networks/] Graph Neural Networks (GNNs) - 2024 Comprehensive Guide - viso.aiGraph Neural Networks (GNNs) operate on graph-structured data, enabling them to learn relationships and patterns within complex networks.viso.ai  GNN에 대한 개략적인 개념과 이해는 이전 포스팅을 참조해주시면 되겠습니다.[개념정리] 그래프 신경망(Graph Neural Network / GNN) (1) [개념정리] 그래프.. 2024. 8. 1.
[개념정리] 그래프 신경망(Graph Neural Network / GNN) (1) 1. 그래프 신경망이란? (Graph Neural Network / GNN)- 그래프 신경망, 즉 GNN은 그래프 구조의 데이터를 처리하고 분석하기 위한 딥러닝 모델을 말합니다.- 이는, 주로 노드, 엣지 그리고 전체 그래프에 대한 표현을 학습하는데 사용되어, 소셜 네트워크, 분자 구조, 교통 네트워크 등 그래프 형태의 데이터가 자연스럽게 발생하는 여러 분야에서 활용되며, 기타 다른 분야에서도 그 사용범위를 확장하고 있습니다. * 이때, 노드(Node)란, 그래프의 개별 객체를 나타내며, 각 노드는 특정 특성을 가질 수 있습니다. * 또한, 엣지(Edge) 는 노드 간의 관계나 연결을 나타내며, 엣지 역시 특정 특성을 가질 수 있습니다. ** 쉽게 생각해보면, 노드는 점이고 엣지는 점을 연결하는 선을 의.. 2024. 7. 31.
[딥러닝 with Python] 이미지 리트리버(Image Retrieval) / CLIP 으로 구현 1. 이미지 리트리버(Image Retrieval)- 이미지 리트리버는 주어진 입력(쿼리 / Query)와 유사한 이미지를 대규모 이미지 데이터베이스에서 검색해내는 시스템을 말합니다. - 이때 입력(쿼리)는 텍스트, 이미지 등 다양하게 활용할 수 있습니다. - 이미지 리트리버의 주요 구성요소는 아래와 같습니다. 1) 쿼리 입력(Query Input)  * 텍스트 쿼리 : 사용자가 텍스트로 이미지의 설명을 제공하면, 시스템은 이 텍스트를 기반으로 검색을 합니다.   ex. "강아지가 뛰어노는 사진" 이라는 텍스트 쿼리를 입력하면 아래와 같이 쿼리에 해당하는 이미지가 반환되게 됩니다.  * 이미지 쿼리 : 사용자가 이미지를 제공하면, 시스템은 이 이미지와 유사한 이미지를 검색하게 됩니다.    (이를, 콘텐.. 2024. 7. 30.
[딥러닝 with Python] 파이썬 코드로 구현해보는 트랜스포머 이번에는 트랜스포머에 대해서 파이썬 코드로 하나씩 구현해가면서 결과를 확인해보겠습니다. 1. 트랜스포머(Transformer)먼저 트랜스포머(Transformer)에 대해 간략하게 알아보겠습니다. - 트랜스포머는 자연어 처리에서 혁신적인 변화를 준 모델로, "Attention is All you need"라는 논문에 소개된 딥러닝 구조를 말합니다.- 특히, 번역, 요약, 문장 생성 등 다양한 태스크에서 굉장히 뛰어난 성능을 보였으며, 이를 활용해서 이미지처리 분야에서는 Vision Transformer라는 모델이 나와 기존의 CNN구조의 모델들의 성능을 압도할 정도로 중요한 역할을 해내고 있습니다.- 특히, 트랜스포머는 Multi-head self attention을 활용해서 기존 RNN 기반의 순차적인.. 2024. 7. 29.
[개념정리] 인코딩과 임베딩의 차이(Encoding vs Embedding) 이번에 알아볼 것은  인코딩(Encoding)과 임베딩(Embedding)의 차이 에 대해서 알아보고자 합니다. 인코딩과 임베딩은 둘 다 데이터를 다른 형식으로 변환하는 과정이지만, 그 목적과 방식에 차이가 있습니다. 1. 인코딩(Encoding)1) 인코딩(Encoding) - 인코딩은 데이터를 특정 형식으로 변환하는 과정을 말합니다. - 인코딩의 주요 목적은 데이터를 다른 시스템이나 저장 매체에서 처리할 수 있도록 변환하는 것입니다. - 예를 들어, 텍스트 데이터를 숫자 형식으로 변환하거나, 이진 데이터를 특정 문자셋으로 변환하는 것을 의미합니다. 아래는 대표적인 인코딩의 예시입니다  a) 텍스트 인코딩(UTF-8)  * UTF-8 인코딩은 텍스트 데이터를 바이트 형식으로 변환하는 일반적인 방법을 말.. 2024. 7. 28.
[개념 정리] N-gram이란? N-gram 언어 모델이란? 1. N-gram 언어모델 이란?- N-gram 언어모델은 자연어 처리에서 많이 사용되는 확률 기반 언어 모델을 말합니다. * 언어모델(Language Model, LM)이란, 언어를 이루는 구성 요소(글자, 형태소, 단어, 단어열(문장), 문단 등)에 확률값을 부여하여 이를 바탕으로 다음 구성 요소를 예측하거나 생성하는 모델을 말함 * 이 언어모델은 크게 a) 확률에 기초한 통계적 언어모델(Statistical Language Model / SLM)과 인공 신경망에 기초한 딥러닝 언어 모델(Deep Neural Network Language Model / DNN LM)으로 나뉩니다. 오늘 알아볼 N-gram은 통계적 언어모델, 즉 SLM의 하나 입니다 - N-gram은 주어진 텍스트에서 단어의 나열을 .. 2024. 7. 27.
반응형

티스토리툴바