[딥러닝 - 교육 외] RNN 이란

* 해당 내용은 교육에서 사용되는 블로그와 검색엔진 참고 하며 만들어놓았기 때문에 미흡한 점이 많을 수 있음,,

 

순환 신경망 RNN : Recurrent Neural Network   

 

Recurrent

이전 어떠한 정보가 다음 입력을 처리할 때 추가적으로 사용되는 것을 의미하며 일종의 메모리 역할.
메모리란 현재까지 입력 데이터를 요약한 정보이며, 최종적으로 남겨진 메모리는 모든 입력 전체를 요약한 정보를 말한다.

음성, 동영상, 주식시세와 같은 시간의 흐름이 있는 시퀀스(Sequence) 데이터를 다루는 신경망을 가리킴
- 언어 변환, 자연어 처리(nlp), 음성 인식, 이미지 캡션과 같은 순서 문제나 시간 문제에 흔히 사용됨.
그리고 Siri, 음성 검색, Google 번역과 같이 널리 쓰이는 애플리케이션에도 통합되어 있다.

Sequence Data (연속형 데이터) : 어떤 순서로 오느냐에 따라서 단위의 의미가 달라지는 데이터   예) 자연어, 시계열 데이터
<-> Non-sequential Data (불연속형 데이터) :  순서에 따라 단위의 의미가 달라지지 않는 데이터  예) 일반적인 사진

 

RNN 구조

- 과거의 입력으로 부터 정보를 얻어 현재의 입력과 출력에 영향을 줌
- 현재 단계의 정보가 다음 단계에 전달되어 output에 영향을 주는 것이 핵심
- 순환 신경망은 네트워크의 각 계층 내에서 같은 가중치 매개변수를 공유함 >> 은닉층 사이가 순환 가중치로 연결

RNN 여러가지 모델

적용 사례에 따라 다양한 모델을 적용한다.