안녕하세요~ 프루니에요~!
오늘은 인공 지능의 딥러닝에 대해 알아볼게요!
인공지능에 대해 공부하기 전에 전반적인 용어와 이해를 하는 시간이에요~
인공 신경망
(ANN's : Artifitial Networks)
인공 신경망은 인간의 중추신경계로부터 영감을 얻어 만들어진 형태에요
개개의 인공 신경은 생체 신경과 같이 간단한 신호처리를 할 수 있도록 구현되어 있어요
인공신경망으로 할 수 있는 일에는
패턴 인식에 의한 데이터 분류,
시험 데이터가 일반적인 패턴과 맞지 않았을 때의 이상 감지,
신호처리,
예측과 예보에 유용한 목표 함수 접근 등이 있어요
인공 신경망의 구조를 알아볼게요!
DNN(Deep Learning Neural Network)
심층 학습 신경망
Hidden Layer가 2층 이상인 인공 신경망이에요.
CNN(Convolution Neural Network)
합성곱 신경망
이미지 인식에 뛰어난 인공 신경망으로
이미지의 특징을 뽑아내는 인공 신경망과
분류를 위한 인공 신경망으로 구성되어요.
RNN(Recurrent Neural Network)
반복 신경망
노드에서 나온 값이 다시 되먹임 되는 형태로 인공 신경망이 구성되어요.
문장 인식에 뛰어나요.
인공 신경망의 학습 방법 3가지에 대해 알아볼게요!
지도 학습
충분히 많은 데이터가 있을 때 사용하는 방법이에요
진행 순서는
처리 - 비교 - 수정 이고
이 과정을 반복하여 학습해요
알파벳 판을 보고 A,B,C를 학습하는 것과 같아요
비지도 학습
입력값이 목표값과 같을 때 사용하는 학습 방법이에요
ex) 메모리 카드 게임 방식
강화 학습
익숙하지 않은 상태에서 시행착오를 통해
이익이 되는 동작을 취할 확률을 높이고
손해가 되는 동작을 취할 확률은 낝추게 하는 학습법이에요
ex) 클라이밍
인공 신경 내부를 살펴볼게요!
Weight
각각의 입력 값은 가중치에 의해 커지거나 작아져요
Sum up
가중치와 입력 값들을 곱한 값을 모두 더해요
bias(편향)이라고 불리는 보정 값도 하나 더해져요
(bias 역할 : 신호를 좀 더 크게 하거나 작게함 - 신호를 강화하거나 약화시킴)
Activate
더해진 입력 신호들을
활성화 함수를 통해 출력신호로 활성화해요
인공 신경망에서 사용되는 활성화함수를 알아볼게요!
Sigmoid
출력값을 0에서 1사이의 값으로 하고자 할 경우에 사용해요
tanh
출력값을 -1에서 1사이의 값으로 하고자 할 경우에 사용해요
ReLU
츨력갑을 0보다 크게하고 싶을 때 사용해요