인공지능 분야에서 한창 머신러닝 단어가 언급이 많이 되었던 때가 있었고 지금은 머신러닝 뿐 아니라 딥러닝에 대해 이야기를 많이 하고 있습니다. 인공지능과 머신러닝 딥러닝의 연결은 아래 표처럼 딥러닝과 머신러닝을 포괄하는 말이 인공지능이고 가장 좁은 영역이 딥러닝이라고 할 수 있습니다.
머신러닝(Machine Learning)
Machin learning (기계학습) : 인공지능의 하위 집합 개념으로, 머신이나 시스템이 자동으로 환경을 학습하는 것을 말합니다. 알고리즘을 사용하여 다량의 데이터를 분석, 학습 후 결정합니다.
머신러닝은 과거데이터를 통해 자율적으로 학습하고 구조화된 데이터와 반구조화 된 데이터만 사용해서 학습합니다. 목표는 데이터 학습을 통해 출력의 정확성을 높이는 것이며 가장 큰 단점은 사람이 직접 프로그램 작업이 수반되는 것이라 많은 노동량과 시간이 투입된다는 것이죠.
딥러닝(Deep Learning)
Deep learning (딥러닝)은 인간의 두뇌에서 영감을 얻은 방식으로 데이터를 처리하도록 컴퓨터를 가르치는 인공 지능(AI) 방식 결정하는것이 머신러닝과 가장 차별되는 점입니다.
즉, 딥러닝은 “스스로 학습할 데이터를 분석하고 결정“하고 머신러닝은 학습은 자동으로 하지만 “학습할 데이터를 선별하는 작업을 인간이 해야하는것“이 딥러닝과 머신러닝의 가장 큰 차이점이라 할 수 있습니다.
2009년과 2012년 사이에 ANN은 이미지 인식 대회에서 수상을 차지하기 시작했으며, 처음에는 패턴인식과 필기인식에서 다양한 작업에서 인간 수준의 성능에 접근했습니다.
지금은 많이 사용하지 않는 편지의 주소 필기체 인식을 아주 높은 수준에서 인식을 하였고 우편물 분류에 사용된 물적 자원을 크게 아낄수 있게 되었습니다.
신경망 계층:
인간의 뇌 신경망을 모델로 한 신경망 즉 “인공지능”을 사용하며 수 백만 개의 딥러닝 신경망 혹은 인공 신경망이 상호 연결되어 있습니다.
층은 여러 뉴런이 모여 있는 그룹이며, 뉴런들을 모아두는 데 사용됩니다. 간단히 말해, 층은 뉴런의 컨테이너라고 할 수 있습니다. 이 층들에는 항상 입력층과 출력층이 있으며, 은닉층은 0개 이상 있습니다. 신경망의 전체 학습 과정은 층을 통해 이루어집니다. 뉴런은 층 내에 배치되며, 각 층은 고유한 목적을 가지고 동일한 기능을 수행합니다. 이 층들은 입력과 가중치의 가중 합을 계산하고, 편향을 더하고, 필요한 활성화 함수를 실행하는 데 사용됩니다.
딥러닝의 계층은 3가지 계층으로 구성되어 있다고 볼수 있는데 입력계층, 은닉계층, 출력계층으로 구성되어 있습니다.
- 입력 레이어 : 모든 입력이 신경망이나 모델에 입력되는 계층입니다.입력층은 입력을 받는 가장 중요한 계층이며, 이러한 입력은 CSV 파일이나 웹 서비스 등 외부 소스에서 로드됩니다. 신경망에서는 입력을 받아 뉴런을 통해 계산을 수행하고, 그 결과를 다음 계층으로 전달하는 하나의 입력층을 유지해야 합니다. 입력층은 입력을 받고 출력층은 최종 출력 결과를 생성합니다.
이 경우 입력층의 뉴런 수는 훈련 데이터의 형태에 따라 달라집니다. 그리고 편향 항을 포착하는 노드가 있어야 합니다. - 숨겨진 레이어 : 은닉층은 입력층과 출력층 사이에 위치하며 입력을 처리하는 데 사용되는 층입니다. 신경망은 두 개 이상의 은닉층을 가질 수 있습니다.
은닉층은 신경망을 머신 러닝 알고리즘보다 우수하게 만듭니다. 은닉층은 입력층과 출력층 사이에 위치하기 때문에 은닉층이라고 합니다. 이러한 은닉층은 외부 시스템에서는 볼 수 없으며 신경망 내부에서만 볼 수 있습니다. 신경망에는 은닉층이 0개 이상 있어야 합니다. 대부분의 문제에서는 은닉층 하나만 있어도 충분합니다.
기본적으로 각 은닉층은 동일한 수의 뉴런을 포함하고 있으며, 신경망의 은닉층이 많을수록 신경망이 출력을 생성하는 데 시간이 더 오래 걸리고, 은닉층을 사용하여 복잡한 문제를 해결할 수 있는 신경망이 있습니다. - 출력 레이어 : 신경망의 마지막 층입니다. 데이터 처리 후 은닉층에서 정보를 추출합니다. 따라서 처리된 데이터는 출력층에서 사용할 수 있습니다. 신경망에는 항상 출력 계층이 있어야 합니다. 출력 계층은 이전 계층에서 전달된 입력을 받아 해당 뉴런을 통해 계산을 수행한 후 출력을 계산합니다.
하지만 복잡한 신경망에서 출력층은 이전 은닉층으로부터 입력을 받습니다. 출력은 회귀 분석기 이고 , 출력층은 단일 노드를 갖습니다. 또한 분류기이기도 하며, 단일 노드를 갖습니다.
댓글 남기기