(4) 인공신경망의 종류

인공신경망의 종류는 일반적으로 DNN(Deep Neural Network), CNN(Convolution Neural Network), RNN(Recurrent Neural Network) 으로 구분할 수 있다.

 

DNN은 퍼셉트론의 관점에서 볼 때 하나의 입력과 하나의 출력층으로 이루어져 있으며 많아야 중간에 하나의 중간층을 가지고 있다. 그러나 심층 신경망은 입력층과 출력층 사이에 다수의 은닉층들로 구성되어 있다. 층간 연결을 없애면, 머신은 가시층과 은닉층으로 이루어진 무방향 이분 그래프 형태의 모양을 기반으로 사전학습을 통해 어느정도 보정을 한 후 튜닝의 과정으로 최종 가중치를 계산하는 방법이다. 그래서 DNN은 레이블된 데이터 세트가 충분하지 않아도 적용이 가능한 방법이다.

DNN 모델

CNN은 최소한의 사전처리를 사용하도록 설계된 다층 퍼셉트론의 한 종류로서 하나 또는 여러개의 합성곱 계층과 그 위에 올려진 일반적인 인공신경망 계층들로 이루어져 있다. 다른 딥러닝 구조들과 비교해서 영상, 음성 인식 모두에서 좋은 성능을 보여준다.

CNN의 학습과정

RNN은 유닛간의 연결이 순환적 구조를 갖는 특징을 가지고 있어서 지금 들어온 입력데이터와 신경망 내부에 상태를 저장할 수 있도록 과거에 입력받았던 데이터를 동시에 고려할 수 있다. 신경망 내부에 상태를 저장할 수 있게 해줌으로써 내부의 메모리를 이용해 시퀀스 형태의 입력을 처리하여 필기체 인식이나 음성인식과 같이 시변적 특징을 가지는 데이터를 처리하는데 데 용이하다.

RNN 모델

출처 : blog.lgcns.com/2332

 

 

참고문헌

-Microsoft Azure Machine Learning Studio를 활용한 머신러닝 시작하기