하늘 보면서 살자구요

라플라스 변환의 의의는 복잡한 상미분 방정식을 보조방정식이라는 대수방정식으로 변환하여 간단히 하고 이를 역변환하여 해를 쉽고 빠르게 구하는 것이다. $F(s) = \mathscr{L}(f) = \displaystyle\int_{0}^{\infty} e^{-st}f(t)dt$ 라플라스 변환은 선형연산으로 다음 규칙이 성립한다. $\mathscr{L}\{ af(t) + bg(t)\} = a\mathscr{L}\{ f(t)\} + b\mathscr{L}\{ g(t)\}$ 아래는 기본적인 변환들이다. f(t) $\mathscr{L}(f)$ f(t) $\mathscr{L}(f)$ $t^{n}$ $\frac{n!}{s^{n+1}}$ $e^{at}$ $\frac{1}{s-a}$ $\cos{\omega t}$ $\fr..

이전 단원에서 딥러닝에 대한 개괄적인 내용을 배웠다. 이번 단원은 이미지 학습에 강력한 효과를 보이는 합성곱 신경망에 대해 알아보자. 08-1 합성곱 신경망의 구성 요소 인공 신경망은 전체 입력층에 대해 전부 가중치를 곱하고 합해서 각 뉴런 별로 출력했다. . 이와 달리 합성곱 신경망은 일부 데이터를 골라 가중치를 곱하고 한 칸씩 이동하며 1개의 뉴런에 대해 여러 개의 출력을 한다. 이렇게 이동하며 가중치를 곱하고 출력하는 단위를 따로 필터나 커널이라고 부른다. 이렇게 합성곱 계산을 통해 얻은 출력은 특성 맵이라고 부른다. . 참고로 각각의 특성 맵에 대한 커널의 각 가중치는 서로 다르다. 따라서 여러 개의 필터를 사용하면 특성맵의 차원(깊이)이 늘어난다. 그리고 이러한 단위는 밀집층과 구별된 합성곱 층..