반응형
Neural net
-
신경망(Neural_Net) 에서의 선형변환(Linear_Transform) 및 어파인 변환카테고리 없음 2021. 5. 4. 01:53
1. 선형변환의 기하학적 의미 저번 포스팅에서도 보았듯이, 선형변환은 f(v1 + v2) = f(v1) + f(v2) 로 표현이 된다 했었는데, 이를 벡터공간으로 바라보게 된다면, - 그림 [1] 에서는 [1,0] 과 [0,1] 의 격자벡터가 [3,1]과 [1,2] 로 나타내어지는 것을 볼 수 있다. - 그림 [2] 에서는 각 격자들이 선형변환이 될 떄 어떻게 움직이는지를 말해준다. 여기서 볼 수 있듯이, 선형변환을 하게 되면, 격자들이 선형변환이 된 후 에도, 선의 형태(Linear)하게 움직였다는 것이고, 격자들의 간격 또한 Linear 하게 펼쳐 졌다. (같은 차원에서의 변환이지만, 차원이 다를때에도 마찬가지이다.) 하지만, 우리가 보는 Neural Net 에서의 선형변환으로는 더 복잡한 표현들이 ..