딥러닝 EXPRESS 08장 연습문제

01. 심층 신경망에서 은닉층이 하는 역할은 무엇인가?

 

 

02. 은닉층이 많아지면 출력층에서 계산된 그래디언트가 역전파되다가 값이 점점 작아져서 없어지는 문제점을 무엇이라고 하는가? 문제의 원인은 무엇이었는가?

 

 

 

03. 최근에 큰 인기를 끌고 있는 활성화 함수는 무엇인가?

 

 

04. 교차 엔트로피란 무엇인가? 교차 엔트로피를 손실 함수로 사용하려면 목표 출력과 실제 출력을 어떻게 만들어야 하는가?

 

 

05. 심층 신경망에서 과잉 적합과 과소 적합이란 무엇이며 무엇이고 이것은 어떻게 방지할 수 있는가?

 

 

 

06. 심층 신경망에서 초기 가중치는 어떻게 설정하는 것이 좋은가? 최악의 가중치는 무엇인가?

 

 

07. 훈련 데이터를 작은 배치들로 분리시켜서 하나의 배치가 끝날 때마다 학습을 수행하는 방법을 무엇이라고 하는가?

 

 

08. 심층 신경망에서 입력값은 어떤 구간에 있는 것이 좋은가? 이것을 무엇이라고 부르는가?

 

 

09. 데이터 정규화란 무엇이며 왜 필요한가?

 

 

 

10. 4개의 화소를 다음과 같이 분류하는 심층 신경망 프로그램을 작성해보자, 케라스 라이브러리를 사용한다.

 

 

 

11. 이번 장에는 패션 아이템을 심층 신경망으로 분류하는 프로그램이 있다. 패션 아이템을 기본 MLP로 분류하는 프로그램을 작성하고 심층 신경망과 비교하여 보자. 성능이 얼마나 높아지는가?

 

 

12. 사이킷런에서 기본으로 제공하는 데이터 중에 붓꽃 데이터 세트가 있다. 이 데이터 세트은 세 가지 붓꽃 종류(Iris setosa, Iris virginica, Iris versicolor)의 150개 샘플로 구성된다. 각 샘플에서 꽃받침 길이와 너비, 꽃잎의 길이와 너비의 4가지 특징이 측정되었다. 이 4가지 특징의 조합을 기반으로 로날드 피셔는 종을 서로 구별하는 선형 판별 모델을 개발했다. 우리는 알려진 붓꽃들을 대상으로 학습을 시킨 후 에, 미지의 붓꽃에 대한 꽃받침 크기와 꽃잎 크기를 입력하여서 이것이 어떤 붓꽃인지를 예측할 것이다. 케라스로 구현된 심층 신경망으로 이것을 시도해보자. MLP에 비하여 얼마나 성능이 높아지는가?

 

 

 

13. https://archive.ics.uci.edu/ml/datasets/Wine+Quality에 와인 품질 데이터 세트가 있다. 이 데이터 세트는 Wine Quality Dataset은 각 와인의 화학적 측정을 고려하여 화이트 와인의 품질을 예측한다. 이것은 다중 클래스 분류 문제이지만 회귀 문제로도 구성될 수 있다. 여기서는 다중 클래스 분류 문제로 접근해보자. 11개의 입력 특성과 하나의 출력 변수(Qulaity: 0부터 10 사이의 값)가 있으며 4,898 개의 샘플이 있다. 심층 신경망을 구성하여 와인을 분류해보자.

 

 

 

14. 다양한 종류의 밀에서 추출한 종자의 측정값을 기준으로 종 예측을 하는 프로그램을 작성해보자. 이것은 2가지의 클래스가 있는 이진 분류 문제이다. Wheat Seeds Dataset(https://archive.ics.uci.edu/ml/datasets/seeds)을 사용한다. 7개의 입력 특성과 1개의 출력 변수가 있고 210개의 샘플이 있다.