인공 신경망(NN)
인공신경망(ANN)은 신경망(NN) 또는 준신경망이라고도 합니다. 머신 러닝과 인지 과학 분야에서 생물학적 신경망(동물의 중추 신경계, 특히 뇌)의 구조와 기능을 모방한 수학적 모델 또는 계산 모델입니다.신경망은 많은 수의 인공 뉴런을 통해 계산적으로 연결됩니다. 인간의 뇌와 비슷한 계층적 구조로 상호 연결된 노드나 뉴런을 사용합니다. 컴퓨터가 실수로부터 배우고 지속적으로 개선할 수 있는 적응형 시스템을 만들 수 있습니다. 결과적으로 인공 신경망은 문서를 더 정확하게 요약하거나 얼굴을 인식하는 등의 복잡한 문제를 해결하려고 시도할 수 있습니다.
신경망의 중요성
신경망은 인간의 도움을 최소화하면서 컴퓨터가 지능적인 결정을 내리는 데 도움이 될 수 있습니다. 입력 데이터와 출력 데이터 간의 비선형적이고 복잡한 관계를 학습하고 모델링할 수 있기 때문입니다.
신경망은 명확한 훈련 없이도 구조화되지 않은 데이터를 이해하고 일반적인 관찰을 수행할 수 있습니다. 예를 들어, 그들은 Baxter Road가 지명이지만 Baxter Smith는 인명이라는 것을 대체로 인식할 수 있습니다. 비슷한 의미를 가진 두 개의 서로 다른 입력 문장을 인식하는 것도 가능합니다.
- 결제 방법을 알려주시겠어요?
- 어떻게 자금을 이체하나요?
신경망은 두 문장이 같은 의미라는 것을 알게 될 것입니다.
신경망의 유형
신경망의 유형은 데이터가 입력 노드에서 출력 노드로 흐르는 방식에 따라 분류할 수 있습니다. 다음은 몇 가지 예입니다.
피드포워드 신경망
피드포워드 신경망은 입력 노드에서 출력 노드로 단방향으로 데이터를 처리하며, 한 층의 각 노드는 다음 층의 모든 노드에 연결됩니다. 피드포워드 네트워크는 피드백 프로세스를 사용하여 시간이 지남에 따라 예측을 개선합니다.
역전파 알고리즘
인공 신경망은 예측 분석을 개선하기 위해 교정 피드백 루프를 사용하여 지속적으로 학습합니다. 간단히 말해서, 데이터는 신경망에서 다양한 경로를 통해 입력 노드에서 출력 노드로 흐르는 것으로 생각할 수 있습니다. 하지만 입력 노드를 올바른 출력 노드에 매핑할 수 있는 경로는 하나뿐입니다. 이 경로를 찾기 위해 신경망은 다음과 같이 작동하는 피드백 루프를 사용합니다.
- 각 노드는 경로의 다음 노드를 추측합니다.
- 추측이 맞는지 확인합니다. 노드는 더 정확한 추측으로 이어지는 경로에 더 높은 가중치 값을 할당하고, 잘못된 추측으로 이어지는 노드 경로에는 더 낮은 가중치 값을 할당합니다.
- 다음 데이터 포인트에 대해 노드는 가중치가 더 높은 경로를 사용하여 새로운 예측을 하고 1단계를 반복합니다.
합성곱 신경망
합성곱 신경망의 숨겨진 계층은 합성곱이라고 불리는 특정 수학적 기능(요약이나 필터링 등)을 수행합니다. 이미지 인식 및 분류에 유용한 관련 특징을 이미지에서 추출할 수 있으므로 이미지 분류에 매우 유용합니다. 이 새로운 형태는 좋은 예측을 하는 데 중요한 특징을 잃지 않고 처리하기가 더 쉽습니다. 각 숨겨진 레이어는 모서리, 색상, 깊이와 같은 다양한 이미지 특징을 추출하고 처리합니다.
참고문헌
【2】https://aws.amazon.com/cn/what-is/neural-network/?nc1=h_ls