LSTM 이론RNN(Recurrent Neural Network)의 한 종류로, 장기 의존성 문제를 해결하기 위해 개발된 모델이다. RNN은 시간이 지남에 따라 기울기 소실 문제가 발생하지만 LSTM은 셀 상태와 게이트 구조를 활용해 이를 해결한다. 장기 기억을 유지하면서 시계열 데이터를 효과적으로 학습할 수 있다.LSTM의 주요 구성 요소셀 상태: 네트워크의 장기 기억을 유지하는 경로입력 게이트: 새로운 정보를 셀 상태에 추가할지 여부 결정망각 게이트: 불필요한 정보를 제거출력 게이트: 현재 상태에서 어떤 값을 출력할지 결정게이트 연산시그모이드 활성화 함수를 사용하여 0 ~ 1 사이 값을 출력하고 얼마나 정보를 유지할지 결정한다.예시import numpy as npimport pandas as pdim..

ANN (Artificial Neural Network)Artificial Neural Network (ANN)은 인간의 뇌 구조를 모방한 신경망 학습 모델로, 주로 패턴 인식, 분류, 예측 알고리즘에 사용된다.SLP (Single Layer Perceptron): 은닉층이 하나인 모델MLP (Multi Layer Perceptron): 은닉층이 두 개 이상인 모델DNN (Deep Neural Network): 은닉층이 세 개 이상인 모델각 은닉층에는 회귀식이 하나씩 존재한다고 볼 수 있다.출력 뉴런 및 활성화 함수출력 뉴런 여러 개, 활성화 함수 소프트맥스: 다중 클래스 분류 (0 ~ 1, 확률분포)출력 뉴런 한 개, 활성화 함수 없음: 회귀 (-∞ ~ ∞)출력 뉴런 여러 개, 활성화 함수 시그모이드:..