[AI]_8_신경망

 220128 작성

<본 블로그는 두우우부님의 알기쉬운 AI 블로그를 참고해서 공부하며 작성하였습니다>

https://doooob.tistory.com/10

[알기쉬운 AI - 08] AI의 기본 원리

 

 

 

 

 

 

 

1. 신경망

https://www.sciencetimes.co.kr/news/%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5%EC%9D%B4-%EB%A7%88%EC%9D%8C%EC%9D%84-%EC%9D%BD%EA%B8%B0-%EC%8B%9C%EC%9E%91%ED%96%88%EB%8B%A4/

: 뇌는 입력 데이터를 뉴런에서 처리하고 다른 이웃 뉴런으로 전달하는 행위를 반복하며 정보를 처리

EX) 눈 -> 정보 -> 전기신호 -> 뇌의 신경계 -> 인식 -> 상황 이해

: 일련의 흐름을 컴퓨터로 모방한 것이 신경망

: 신경망은 이미지와 언어 등의 정보를 한번 숫자의 패턴으로 변환하고, 그것을 계산 처리하며, 다시 이미지 등으로 변환하여 출력

: 계산 처리를 수행하는 메커니즘의 통합

 

 

 

 

 

2. 신경과 노드, 퍼셉트론

- 뉴런 or 노드

: 획득한 다양한 데이터를 정리하여 하나의 상자에 넣기

: 거기서 얻은 데이터를 또 다른 데이터와 함께 처리

: 이런 작업을 수행하는 상자!

 

- 퍼셉트론

: 1층으로 이뤄진 신경망

 

 

 

 

3. 중요도 결정하는 가중치

: 신경망은 먼저 들어온 입력 데이터에 대해 가중치를 반영

: 중요한 것은 그대로, 중요하지 않은 것은 줄여서 처리

: 가중치를 신경망이 학습 ( 어떤 요소가 중요한지 학습 )

: w 로 표시 

 

 

 

 

4. 출력

: 가중되어 들어온 데이터를 뉴런으로 처리 ( 활성화 함수 )

: 첫 번째 입력 데이터가 들어오는 레이어를 입력층

: 마지막으로 출력되는 층을 출력층

: 숨겨진 층을 은닉층

- Convolution Layer

- Pooling Layer

=> CNN (Convolution Neural Network ) : 이미지 인식

=> RNN (Recurrent Neural Network) : 가변 길이의 시계열 데이터

 

: 입력층에서 출력층까지 입력, 처리, 출력을 반복해가는 일련의 작업을 포워드 프로퍼게이션

 

- 단계 함수, 헤비 사이드 함수

: 들어온 데이터의 합이 0.5 보다 크면 다음 뉴런으로 전달

: 그렇지 않은 것은 0 으로 만들기

 

 

 

 

 

5. 오차 없애기 - 최적화

: 최후 출력층에 생기는 오차를 줄이기!

: 계산 도중 나온 w 값을 바꿔보기

: 층 전체를 두루두루 수정하기 위해 마지막 출력층부터 순서대로 하나 뒤에 층으로 " 오차 있다 " 알려줘야 함

: 입력층까지 전체를 수정하는 방법을 오차 역전파법 (백 프로퍼게이션)

: 이상과 현실의 차이가 신경망의 오차

: 출력 결과 (현실)와 정답 (이상)이 가까워지도록 각 데이터의 가중치를 설정