인공지능 기계학습 딥러닝
- 인공지능: 기계가 사람의 행동을 모방하게 하는 기술을 연구하는 분야
- 기계학습: 개발자가 일일이 코드로 명시하지 않고, 데이터로 부터 학습하여 실행할 수 있도록 하는 알고리즘을 개발하는 연구 분야
- 딥러닝: 기계학습의 한 분야로 인공 신경망에 기반하여, 많은 데이터를 학습해 뛰어난 성능을 도출하는 연구 분야
인공신경망 구조
사람의 신경 세포에서 착안한 방법입니다. 생물학적인 신경 세포를 단순화하여 모델링 하였습니다. 여러 신호를 받아 가중치를 곱하고, 모두 합하여 하나의 신호를 만들어서 전달합니다. 출력 전에 활성 함수(activation function)을 통해 비선형 특성을 가할 수 있습니다.
노드(뉴런) 집합을 계층으라 하며, 이전 계층과 모든 뉴런이 연결된 상태를 FC(Fully-Connected) Layer(Dense Layer)라고 합니다.
노드(뉴런) 집합을 계층으라 하며, 이전 계층과 모든 뉴런이 연결된 상태를 FC(Fully-Connected) Layer(Dense Layer)라고 합니다.
딥러닝 특징
기계 학습에서는 특징 추출기 부분은 사람이 수행합니다. 기계는 분류기 부분만 수행합니다. 반면 딥러닝에서는 특징 추출 및 분류 모두 기계가 수행합니다. 즉, 사람의 Intend(의지, 생각)이 개입이 안 됩니다.딥러닝 응용 분야
딥러닝 학습 및 테스트 방법
학습 단계
- 학습 데이터셋을 입력으로 넣고 예측값을 출력합니다.
- 손실함수를 이용해 예측값과 정답과 비교해 오차를 구합니다.
- 최적화 기법을 이용해서 오차가 최소가 되도록 네트워크를 개선합니다.
테스트 단계
- 테이트 데이터셋을 넣고 출력값을 평가 지표로 평가 수행하여 네트워크 수준을 측정합니다.
감사합니다.
댓글
댓글 쓰기