TensorFlow 기본 사용법 III (간단한 학습)
TensorFlow 기본 사용법 III 간단한 학습으로 X행렬 구하기 "TensorFlow 기본 사용법 II (행렬 곱하기)"에서 행렬 곱셈을 실습해 보았고 이것이 왜 필요한지에 대해 대략적으로 소개했습니다. 잠깐 지난 강좌의 예시를 살펴보겠습니다. 물체 A : 2m, 1kg 물체 B : 1m, 1kg A와 B를 구분하는 행렬 찾기 물체 A = [2, 1] 물체 B = [1, 1] X = [[1, -1], [-1, 2]] 1이 맞는 것 0이 아닌 것이라고 가정하면 아래와 같이 곱하기로 어떤 물체인지 행렬임을 알 수 있습니다. A * X = [ 1, 0 ] B * X = [ 0, 1 ] 이것을 뉴럴넷의 모양으로 나타내면 아래와 같습니다. 왼쪽의 동그라미 두 개는 A, B의 입력값에 해당하고 화살표들은 이를..
더보기
(모델C) 인공지능 기반 금 값 예측
인공지능 기반 금 값 예측모델C 1. 학습 모델 원/달러, 위안, 엔, 유로 환율의 증감률 ⇓ 1차원 딥러닝 ⇓ 금 값 증감률(당일) 증감률 : (오늘 값) / (어제 값) 데이터 : 2016년 1월 1일 ~ 어제 2. 예측 모델 원/달러, 위안, 엔, 유로 환율의 증감률 ⇓ 러닝 데이터 ⇓ 금 값 증감률(당일) 모델B에서 주요국 환율만 포함하고 콜금리 데이터만 남기고 나머지는 제외한 모델입니다. 마찬가지로 Tensorflow를 이용하였고 전제는 환율에 영향을 받은 자금이 자금이 금으로 흘러가는데 하루가 걸린다는 것 입니다. A, B모델에서와 동일하게 hidden layer는 하나만 사용하여 트레이닝 하였습니다. 국내 자본이 주식, 금, 외화, 부동산, 금융자본으로 이루어졌고 금융자본에서 일어나는 변수 ..
더보기