[딥러닝- 교육 외] 이론, 알고리즘 종류

인공신경망

- 사람의 뇌는 뉴런이라는 신경세포로 구성되어있다.
- 가지돌기에서 다른 뉴런들의 신호를 받아 그 합이 일정 수치가 넘으면 축삭돌기로 전달한다.
- 이러한 뉴런들이 서로 연결되어 전체 뇌가 만들어진다.

 

퍼셉트론 Perceptron

인간의 뉴런을 수학적으로 모방한 계산 알고리즘

1) 퍼셉트론은 다수의 신호를 받아 하나의 신호를 출력한다.
2) 퍼셉트론 신호는 흐름을 만들고 정보를 앞으로 전달한다.
3) 퍼셉트론 신포는 '흐른다 / 안흐른다' 두 가지의 값을 가진다. (0 과 1)

 

XOR Problem

퍼셉트론이 인공지능 분야에 큰 반향을 불러 일으켰지만 단순한 선형 분류기에 불과하며 간단한 XOR 분류 조차 수행할 수 없는 것이 밝혀지며 인공신경만 연구는 인공지능 연구 그룹의 관심에서 멀어지게 됐다.

=> 다층 퍼셉트론은 Hidden Layer 라는 중간 레이어를 추가 함으로써 XOR 문제를 해결 할 수 있게 되었다.

 

딥러닝 알고리즘 종류

DNN 심층 신경망 (Deep Neural Network)

: 인공 신경망을 기반으로 은닉층이 2개 이상인 신경망 학습 알고리즘을 말한다.

 

CNN 합성곱 신경망 (convolution Neural Network)

: 데이터의 특징을 추출하여 특징들의 패턴을 파악하는 인공신경망으로, 주로 정보추출/ 문장분류/ 이미지 인식 분야에서 사용되고 있다.

참고 설명

Convolutional neural network란? | 꼭 알아야 할 3가지 사항

RNN 순환 신경망 (Recurrent Neural Network)

: 반복적으로 순차적인 데이터 학습에 특화된 인공신경망의 한 종류로 순환구조를 이용하여 과거의 학습의 weight 를 통해 현재 학습에 반영한다. 주로 음성 웨이브 폼을 파악하거나 텍스트의 앞 뒤 성분을 파악할때 주로 사용된다.

참고 설명

순환 신경망이란? | IBM

 

GAN 적대적 신경망 (Generative Adversial Network)

: 생성자와 감별자라는 두 신경망의 모델의 경쟁을 통해 학습하여 실제에 가까운 거짓 데이터를 생성하는게 목적이다.
주로 이미지 생성, 영상 합성, 텍스트 생성 등 대량의 데이터를 스스로 만들어내는 분야에 활용될 수 있다.

참고 설명

1. GAN 소개 — PseudoLab Tutorial Book