딥러닝 알고리즘 개선***

***딥러닝 알고리즘 개선에 대한 변경 사항입니다

README.md

@@ -138,6 +138,7 @@ best_score = pso_xor.fit(
 ```
 
 위의 파라미터 기준 10 세대 근처부터 정확도가 100%가 나오는 것을 확인하였습니다
+
 ![xor](./history_plt/xor_2_10.png)
 
 ## 2. iris 문제
@@ -173,6 +174,7 @@ best_score = pso_iris.fit(
 ```
 
 위의 파라미터 기준 7 세대에 97%, 35 세대에 99.16%의 정확도를 보였습니다
+
 ![iris](./history_plt/iris_99.17.png)
 
 위의 그래프를 보면 epochs 이 늘어나도 정확도와 loss 가 수렴하지 않는것을 보면 파라미터의 이동 속도가 너무 빠르다고 생각합니다
@@ -210,16 +212,20 @@ best_score = pso_mnist.fit(
 ```
 
 위의 파라미터 기준 현재 정확도 63.84%를 보이고 있습니다
+
 ![mnist_acc](./history_plt/mnist_63.84_acc.png)
+
 ![mnist_loss](./history_plt/mnist_63.84_loss.png)
 
 63%의 정확도가 나타나는 것으로 보아 최적화가 되어가고 있다고 볼 수 있을 것 같습니다.
+
 하지만 정확도가 더 이상 올라가지 않고 정체되는 것으로 보아 조기 수렴하는 문제가 발생하고 있다고 생각합니다.
 
 ## Trouble Shooting
 
-> 1. 딥러닝 알고리즘 특성상 weights는 처음 컴파일시 무작위하게 생성된다. weights의 각 지점의 중요도는 매번 무작위로 정해지기에 전역 최적값으로 찾아갈 때 값이 높은 loss를 향해서 상승하는 현상이 나타난다.</br>
+> 1. 딥러닝 알고리즘 특성상 weights는 처음 컴파일시 무작위하게 생성된다. weights의 각 지점의 중요도는 매번 무작위로 정해지기에 전역 최적값으로 찾아갈 때 값이 높은 loss를 향해서 상승하는 현상이 나타난다.
->    따라서 weights의 이동 방법을 더 탐구하거나, weights를 초기화 할때 random 중요도를 좀더 노이즈가 적게 생성하는 방향을 모색해야할 것 같다.
+>
+> > 따라서 weights의 이동 방법을 더 탐구하거나, weights를 초기화 할때 random 중요도를 좀더 노이즈가 적게 생성하는 방향을 모색해야할 것 같다.
 
 -> 고르게 초기화 하기 위해 np.random.uniform 함수를 사용하였습니다