fumen-measure-analyze/docs/model-architecture.md

DNN 기반 채보 상수 예측 모델 설계 (docs/model-architecture.md)

개요

단순 가중치 합산(Weighted Sum) 방식의 한계를 극복하고, 복잡한 비선형 난이도 지표들을 학습하여 실제 상수와 유사한 예측값을 생성하는 심층 신경망(DNN)을 구축합니다.

아키텍처

1. 입력 계층 (Input): 5가지 정량화된 Factor (Physical, Stamina, Technical, Accuracy, Reading).
2. 은닉 계층 (Hidden Layers):
   • Layer 1: 16 units, ReLU activation.
   • Layer 2: 8 units, ReLU activation.
3. 출력 계층 (Output): 1 unit, Linear activation (상수값 예측).
4. 학습 전략: measure.csv의 실제 상수를 정답 데이터로 사용. MSE Loss 및 Adam 옵티마이저 활용.