반응형 딥러닝 with Python112 [개념정리] Gated Network(Gating Mechanism) 이번에 알아볼 내용은 Gated Network에 대한 개념정리입니다. 1. Gated Network- Gated Network는 게이트 메커니즘(Gating mechansim)을 활용하여 * 정보의 흐름을 제어하고, * 중요한 정보를 선택적으로 통과시키며 * 불필요한 정보를 차단하는 신경망 구조를 일컫습니다. - 이는 주로 시계열 데이터나 순차적 데이터에서 사용되며, 장기 의존성(long-term dependency)를 처리하거나, 입력 데이터의 특정 부분이 중요할 때 이를 강조하는데 활용됩니다. - Gated Network의 주요 구성요소는 당연하게도 게이트(Gate) 입니다. * 게이트(Gate)는 시그모이드 함수를 통해 입력 데이터를 0과 1 사이의 값으로 변환하고, 이를 곱셈 연산에 사용하여 어떤.. 2024. 10. 17. [딥러닝 with Python] HYDRA(HYbrid Dicionary-Rocket Architecture)(2/2) 이번 시간에는 이전 시간에 알아본 포스팅의 내용을 파이썬 코드로 구현해서 분류 결과를 도출해보겠습니다. [개념정리] HYDRA(HYbrid Dicionary-Rocket Architecture)(1/2) 코드는 범용적인 재현성을 위해 구글 코랩환경에서 구현하였습니다. 1. HYDRA를 활용한 시계열 데이터 분류 - 이번 실험을 위해 사용할 데이터는 Cricket 데이터입니다.[출처 : https://www.timeseriesclassification.com/description.php?Dataset=Cricket] - 해당 데이터에 대한 간략한 설명은 아래와 같습니다. * 이 데이터는 크리켓 경기에서 심판이 점수 기록자에게 다양한 게임 이벤트를 신호로 전달하는 동작을 분석하는 과정에서 나온 데이터입니다.. 2024. 10. 16. [개념정리] HYDRA(HYbrid Dicionary-Rocket Architecture)(1/2) [본 포스팅은 " Hydra: Competing convolutional kernels for fast and accurate time series classfication"(Dempster et al. 2022) 본 논문을 참고하였습니다.] HYDRA는 HYbrid Dicionary-Rocket Architecture 라는 이름에서 알 수 있듯이 지난번에 포스팅했었던 ROCKET 방법과 Dictionary based 방법을 결합한 시계열 데이터 특성 추출 방법이라고 보시면 되겠습니다. [개념정리] ROCKET(RandOm Convolutional KErnel Transform) (시계열 특징 추출 / 시계열 분류) (1/2)[파이썬구현] ROCKET(RandOm Convolutional KErnel T.. 2024. 10. 15. [딥러닝 with Python] ROCKET(RandOm Convolutional KErnel Transform) (시계열 특징 추출 / 시계열 분류) (2/2) 이번에는 지난 포스팅에서 알아본 개념을 바탕으로 파이썬 코드 구현을 해보도록 하겠습니다. [개념정리] ROCKET(RandOm Convolutional KErnel Transform) (시계열 특징 추출 / 시계열 분류) (1/2) ROCKET은 sklearn 과 tsai 라는 두 라이브러리에서 쉽게 구현이 가능하며, 이 중 tsai의 경우 gpu 연산을 지원하기에 딥러닝 모델에도 쉽게 적용할 수가 있어서 이번 코드 구현은 tsai를 통해서 해보겠습니다. 또한, 범용적인 구현을 위해 Google의 Colab 환경에서 무료로 제공하는 GPU인 T4를 가지고 구현했습니다. 1. ROCKET을 통한 시계열 분류1) 이번 구현에 활용할 데이터는 UCR datasetd에 있는 "FigerMovement.. 2024. 10. 14. 이전 1 ··· 8 9 10 11 12 13 14 ··· 28 다음 반응형
