Math for Deep Learning/Linear Algebra
2강- 1차 연립방정식과 가우스 소거법
2강- 1차 연립방정식과 가우스 소거법 2.1 Singular Case의 예 해가 없는 경우 Row form 에서 두 직선이 평행한 경우Column form에서 벡터의 선형결합을 하려 하는데, 두 벡터가 평행한 경우 (평행한 두 벡터를 아무리 선형결합해도, 삐딱한 벡터는 만들 수 없다) 해가 무수히 많은 경우 Row form 에서 두 직선이 겹치는 경우Column form에서 벡터의 선형결합을 하려 하는데, 주어진 벡터가 선형 종속인 경우 (3가지 2차원 벡터가 주어졌지만 그 중 한개의 벡터는 쓸모없다) 2.2 가우스 소거법 연립방정식을 푸는 방법으로, 대각선 방향의 성분이 0이 되지 않게 각 행의 정수배를 빼고 더하는 과정을 통해 해를 구하는 방법. 이 때, 대각선 방향의 성분(계수) 를 pivot 이..
1강 - 선형성 정의 및 1차 연립방정식의 의미
1강 - 선형성 정의 및 1차 연립방정식의 의미1.1 선형성의 정의 : 선형성은 다음 두 가지 조건을 만족시켜야 함 Superposition : Homogeneity : 1.2 선형성의 특징 : 원점을 지나는 직선/평면/초평면을 의미함 그렇다면 딥 러닝에서의 bias는 선형성을 위배하는 것인가? 그렇지 않다. bias 축을 추가하여 해당 축의 좌표는 무조건 1, 계수는 b로 놓으면 선형적으로 해석 가능하다. 1.3 선형성을 띠는 연산의 예 미분, 적분 행렬과 벡터의 곱 1.4 벡터의 표기법 보통 벡터는 열벡터를 기본으로 한다 1.5 전치행렬 다 알죠? 1.6 선형 결합 여러 개의 벡터를 상수배 한 후, 더하는 연산 단순 상수배와 덧셈 연산으로 표기할수도 있지만, 행렬의 곱 형태로 표현 가능하다 1.7 행..