1. 딥러닝 분석
(1) 딥러닝 분석의 개념
① 인공신경망(ANN : Artificial Neural Network)
인공신경망은 기계학습과 인지과학에서 생물학의 신경망(동물의 중추신경계중 특히 뇌)을 통해 영감을 얻은 통계학적 학습 알고리즘이다.
- 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)이 학습을 통해 시냅스의 결합 세기를 변화시켜, 문제 해결 능력을 가지는 모델 전반을 가리킨다.
- 인공신경망의 문제점
* 계산속도의 저하
* 초기치의 의존성
* 과적합 문제
② 딥러닝(Deep Learning)
여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화(abstractions, 다량의 데이터나 복잡한 자료들 속에서 핵심적인 내용 또는 기능을 요약하는 작업)를 시도하는 기계 학습 알고리즘의 집합으로 정의된다.
- 큰 틀에서 사람의 사고방식을 컴퓨터에게 가르치는 기계학습의 한 분야이다.
- 인공신경망의 단점(계산속도의 저하, 과적합문제) 등이 극복되면서 재조명되고 부각된 기계학습이다.
③ 딥러닝의 원리
- 노드
- 가중치
(2) 딥러닝 분석 알고리즘
① 심층 신경망(DNN : Deep Neural Network)
심층 신경망은 입력층(input layer)과 출력층(output layer) 사이에 여러 개의 은닉층(hidden layer)들로 이뤄진 인공 신경망이다.
② 합성곱 신경망(CNN : Convolutional Neural Network)
합성곱 신경망은 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다.
③ 순환 신경망(RNN : Recurrent Neural Network)
순환 신경망은 인공신경망을 구성하는 유닛 사이의 연결이 Directed Cycle을 구성하는 신경망을 말한다.
④ 심층 신뢰 신경망(DBN : Deep Belief Network)
심층 신뢰 신경망은 기계학습에서 사용되는 그래프 생성 모형(generative graphical model)이다.
딥러닝에서는 잠재변수(latent variable)의 다중계층으로 이루어진 심층 신경망을 의미한다. 계층 간에 연결이 있지만 계층 내의 유닛 간에는 연결이 없다는 특징이 있다.
※ 실제로 딥러닝은 각각의 특성에 따라서 선택적으로 사용되긴 하나 음성인식, 화면인식 자연어처리 등의 분야에서 활용되고 있다.