Update CS231n 1강~2강(혜주).md

Author: hyejukim-ybigta

CNN/CS231n 1강~2강(혜주).md

@@ -64,6 +64,7 @@
 
 
 
+
 ## 3. 해결책 :  Data-Driven Approach
 
 그!래!서!  이미지 분류의 어려움을 해소하는데 도움을 주고자 데이터에 기반한 접근법(Data-Driven Approach)이 등장하였다.
@@ -82,6 +83,12 @@
 
 
 
+
+
+
+
+
+
 ## 4. Classifier 1: Nearest Neighbor
 
 주어진 이미지와 '가장 가까운 이웃' 이미지를 찾는 분류기이다.  이 분류기가 작동하는 원리는 다음과 같다.
@@ -163,6 +170,11 @@ K-Nearest Neighbor Classifier에서는 L2 distance라는 것이 등장합니다.
 
 
 
+
+
+
+
+
 ## 5. Classifier 2: Linear Classifier 
 
 #### 1. 개념
@@ -189,12 +201,15 @@ K-Nearest Neighbor Classifier에서는 L2 distance라는 것이 등장합니다.
 
 ![cs231n_week2_13](https://user-images.githubusercontent.com/32008883/30752106-32b0ccbc-9ff6-11e7-846c-3745de505460.JPG)
 
+
 #### 2. W
 
 아래 왼쪽에서 다섯번째 이미지를 보자. 사슴에 대한 W의 행을 뽑아서 이미지로 나타낸 것이다. 희여멀건하지만 풀이라고 추정되는 녹색 바탕과 갈색의 물체가 보인다. 학습 데이터의 이미지를 하나의 템플릿으로 표현하려고 하다보니 뿌옇다.
 
 ![cs231n_week2_14](https://user-images.githubusercontent.com/32008883/30752105-32ae15bc-9ff6-11e7-8ff7-6b84bb4d8ef0.JPG)
 
+
+
 #### 3. 한계
 
 ![cs231n_week2_15](https://user-images.githubusercontent.com/32008883/30752108-32bb04f2-9ff6-11e7-8f9c-d86d5501ffb6.JPG)
@@ -203,6 +218,4 @@ linear classifier도 한계가 있는데, 첫번째 케이스처럼 나누어져
 
 
 
-그렇다면 이러한 한계는 어떻게 해결할까?
 
-다음 강의에서 배울 것 같다.