베이즈 추론 #3 – 미묘한 차이

베이즈 추론 #3 – 미묘한 차이

베이즈 추론은 한마디로 “베이즈 정리로 계산한 확률에 기반해 진단(추론)을 내리는 방법”을 말합니다. 잠깐만요! 그런데 베이즈 정리는 설명하신 적이 없는 것 같은데요? 아, P(OO|기침)을 P(기침|OO)P(OO)으로 바꿀 때 사용한 수식이 베이즈 정리입니다 🙂 그럼 베이즈 추론에 필요한 확률을 계산해보겠습니다. 설명을 간단하게 하기 위해

베이즈 추론 #2 – 조건부 확률

베이즈 추론 #2 – 조건부 확률

이번 글에서는 P(OO|기침)을 어떻게 계산하는지 알아보겠습니다. 결론부터 말씀드리면, P(OO|기침)의 계산은 이미 ‘조건부 확률’이라는 이름으로 확립되어 있습니다. 다음과 같이 계산합니다. 이번에는 위의 식에서 막대기(‘|’)의 좌우를 바꾼 조건부 확률을 구해보겠습니다. 두 조건부 확률을 비교해 보면, 둘 다 P(OO∩기침)이 들어 있습니다(교환법칙이 성립). 이

베이즈 추론 #1 – 베이즈 추론

베이즈 추론 #1 – 베이즈 추론

기계학습, 딥러닝에서는 베이즈 정리(Bayes’ rule)에 기반한 아이디어가 많습니다. 굉장히 직관적인 개념이고 수식도 간단한데, 의외로 많은 분들이 어려워합니다. 이런 분들께 도움이 되도록 몇 번에 걸쳐 베이즈 추론을 쉽고 간략하게 설명해보겠습니다. 그럼 다음과 같은 상황을 가정해 보겠습니다. 병원에서 의사가 환자를 진단하는 사례입니다.

알기쉬운 VAE

알기쉬운 VAE

동경대 Sho Tatsuno가 만들고 김홍배 박사님께서 번역하신 VAE 관련 자료입니다. VAE는 GAN과 함께 생성모델의 대표적인 기법입니다. 대부분 이미지나 음악 등을 생성하는 기능에 관심을 갖지만, 저희는 입력의 추상적인 표현을 찾아내는데 관심이 있습니다. 어떤 목적이든 VAE 입문용으로 아주 훌륭한 자료로 강력 추천합니다

안전산업박람회 참가 (11.15.수 ~ 11.17.금)

안전산업박람회 참가 (11.15.수 ~ 11.17.금)

11월 15일(수)부터 11월 17일(금)까지 일산 킨텍스에서 열리는 안전산업 박람회에 참가합니다. 아직 제품은 없지만, 비명소리 인식 기술 등을 시연하고 어떻게 제품화 하면 좋을지 등 사업화에 필요한 의견을 듣고자 합니다. 혹시 전시회에 참석하시는 분들은 연락 주시면 초대권을 전달해 드리겠습니다.

Capsule Networks 이해에 좋은 자료

Capsule Networks 이해에 좋은 자료

최근에 Hinton 교수팀에서 Capsule Networks라는 새로운 형태의 신경망을 발표해 많은 주목을 받고 있습니다. 뇌의 작동 방식에 더 가까운 형태이고, 기존 컨브넷(ConvNet)의 단점을 보완해 미래가 밝은 기술이라고 생각합니다. 저희도 공개된 코드를 소리인식 모델에 적용해 봤는데, 아직은 기본 모델의 성능에 미치지는 못합니다.