(3) 딥러닝

인공지능, 머신러닝, 딥러닝에 대해서 많은 사람들이 헷갈려 한다.

 

인공지능은 인간의 판단, 행위, 인지 등을 이해해서 인간의 지능을 기계가 갖출 수 있도록 하는 것이다.

머신러닝은 기계가 인간의 지능을 가질 수 있도록 인공지능을 만들어야하고 인공적인 지능을 만들기 위해서는 학습을 해야 하는데 그 학습 중 한 분야이다.

딥러닝은 머신러닝을 하기 위해 인간의 신경망, 뇌와 유사하게 학습하는 분야이다.

 

인공지능, 머신러닝, 딥러닝 관계도

 

출처 : blog.naver.com/PostView.nhn?blogId=dsjang650628&logNo=221864626337

---

딥러닝은 퍼셉트론, 다층퍼셉트론, 그리고 현재의 딥러닝으로 구분하고 있다.

 

퍼셉트론은 n개의 입력과 1개의 출력에 대하여 각 입력의 가중치를 둔 개념으로 뉴런이 전기신호로 정보를 전달하는 방식이다. 즉 다수의 레이블이 있는 트레이닝 데이터를 이용한 지도학습의 한 모델로 트레이닝 데이터는 특성값에 대응되는 실제 결과값을 가지고 예측된 값이 같아질 때까지 가중치를 조절하는 것이다. 

 

로젠블레트 퍼셉트론 개념

 

X0 ~ Xn의 입력값에 W0~Wn까지 가중치를 곱하였다. 입력 값은 각각의 가중치와 함께 순 입력함수이다. 즉 뉴런으로 입력되어 하나의 값으로 만들어진다. 순입력 함수의 결과 값을 비교하여 순입력함수 결과 값이 임계치보다 크면 1 아니면 -1로 출력하는 함수로 정의한다.

퍼셉트론은 인공신경망의 시작이지만 매우 단순한 XOR 모델의 문제 해결 방식에 한계를 보이기 시작한다.

 

다층퍼셉트론은 XOR 모델 같은 간단한 것을 학습하지 못하는 퍼셉트론의 단점을 해결하기 위해 도입되었고, 그 해결 방법은 의외로 단순하다. 중간층을 하나만 두는 것이 아니라 여러개를 두었다. 그래서 하나 이상의 중간층을 두어 다층퍼셉트론이 되었고, 증간층은 은닉층 도는 은닉레이어로 두어 은닉층이 증가할수록 분류력이 좋아짐을 알 수 있었다. 

다층퍼셉트론의 도입으로 XOR 문제를 해결했지만 은닉층이 늘어날수록 가중치도 늘어나게 되어 학습이 어렵다는 단점이 있었다.

 

다층퍼셉트론 개념도

 

출처 : m.blog.naver.com/PostView.nhn?blogId=2011topcit&logNo=220510759079&proxyReferer=https:%2F%2Fwww.google.com%2F

 

 

 

참고문헌

-Microsoft Azure Machine Learning Studio를 활용한 머신러닝 시작하기