이론

1. 순환 신경망은 마지막 밀집층에서 이진분류일때 하나의 뉴런을 두고 소프트맥스 활성화 함수를 사용한다.

X 시그모이드 활성화함수 사용

1. 순환 신경망은 마지막 셀을 Flattem 클래스로 펼칠 필요가 없다.

O 마지막 셀의 출력이 1차원이기 때문에

1. LSTM에는 순환되는 은닉 상태와 다음층으로 전달되는 셀상태가 존재한다.

X 다음층으로 전달되지 않고 LSTM셀에서만 순환되는 값

1. GRU의 3개의 셀에는 2개의 시그모이드 활성화함수를 사용하고 tanh 활성화 함수를 사용한다.

O

1. Conv2D는 순환층 클래스이다.

X 합성곱클래스이다

1. 원-핫 인코딩은 각 단어를 고정된 크기의 실수 벡터로 바꾸어준다.

X 단어 임베딩

1. tanh 함수는 0~1 사이의 범위를 가진다.

X -1 ~ 1 0~1은 시그모이드함수

실습

Google Colaboratory