Processing math: 6%
728x90
반응형

 

 

Norm 은 절대값에서 출발하여 추상화된 개념으로 벡터의 길이 혹은 크기를 측정하는 방법이라고 할 수 있다. Norm 이 측정한 벡터의 크기는 원점에서 벡터 좌표까지의 거리 혹은 Magnitude 라고 한다. 선형대수학에서의 Norm의 정의는 아래와 같다. 

 

VF상에서의 벡터공간이라고 하면, 

 

u, v\in V k\in F 에 대해서 다음 세 조건을 만족시키면 

\left \| \cdot  \right \| V 상에서 Norm 이라고 정의한다. 

 

(i) 정부호 : \left \| u \right \| \geq 0 이고, u = 0 \Leftrightarrow \left \| u \right \| = 0

(ii) 동질성 : \left \| ku \right \| = \left | k \right | \left \| u \right \|

(iii) 삼각부등식 : \left \| u+v \right \| \leq \left \| v \right \| + \left \| u \right \|

 

 

 

벡터공간 \mathbb{C}^{n} 와 그 벡터 u=(u_{1}, u_{2}, ... , u_{n}) \in \mathbb{C}^{n} 에 대한 Norm 들은 다음과 같다. 

 

1. Manhattan Norm

 

\left \| u \right \|_{1} = \sum_{k=1}^{n}\left | u_{k} \right |

 

Manhattan Norm은 l_{1} 라고도 불리며, 거리를 정의할 때 쓰인다. 단순 직선 거리가 아니라 실제 이동거리를 표현하기 위해 고안되었다. 

 

즉, 아래와 같이 표기할 수도 있다. 

 

L_{1} = \left ( \sum_{i}^{n}\left | x_{i} \right | \right )  = \left | x_{1} \right | + \left | x_{2} \right | + ... + \left | x_{n} \right |

 

 

 

 

2. Euclidean Norm

 

\left \| u \right \|_{2} = \sqrt{\sum_{k=1}^{n}\left | u_{k} \right |^{2}}

 

Euclidean Norm 은 거리 및 크기의 개념으로써 차원과 상관 없이 절댓값 제곱의 합의 제곱근으로 구해진다. 이는  l_{2} 라고도 불린다. 

 

즉, 아래와 같이 표기할 수도 있다.

 

L_{2} = \sqrt{\sum_{i}^{n}x_{i}^{2}} = \sqrt{x_{1}^{2} + x_{2}^{2} + ... + x_{n}^{2}}

 

 

 

 

3. p-Norm

 

\left \| u \right \|_{p} = \left ( \sum_{k=1}^{n} \left | u_{k} \right |^{p} \right )^{\frac{1}{p}}

 

p 는 1보다 크거나 같고 딱히 자연수일 필요는 없다. 위의 Manhattan Norm 과 Euclidean Norm 은 p-Norm 의 특수한 예로써 각자 1-Norm, 2-Norm 에 해당한다. 특히 p = \propto  이면 maximum norm 이 된다. 참고로 maximum norm 은 아래와 같다. 

 

\left \| u \right \|_{\propto } = \max_{1\leq k\leq n}\left | u_{k} \right |

 

 

 

이러한 Norm 은 딥러닝에서 과적합 문제를 해결할 때 사용하는 방법인 Regularizaiton 에서 Loss 함수를 다룰 때 사용하게 되는데, 보통 Loss 는  l_{2} 를 많이 사용한다. 

 

 

 

 

 

 

참고자료 1 : freshrimpsushi.tistory.com/257

 

선형대수학에서 노름, 혹은 놈이란? Norm

V\mathbb{F} 상에서의 벡터공간이라고 하자. \| \cdot \| : V \to \mathbb{F}\mathbb{u}, \mathbb{v} \in Vk \in \mathbb{F} 에 대해서 다음 세 조건을 만족시키면 \| \cdot \|V 상에..

freshrimpsushi.tistory.com

참고자료 2 : taewan.kim/post/norm/

 

딥러닝을 위한 Norm, 노름

Norm의 정의와 특징을 정리합니다.

taewan.kim

 

728x90
반응형

꾸준희님의
글이 좋았다면 응원을 보내주세요!