인공지능

업데이트:

1. 인공지능 vs 머신러닝 vs 딥러닝

  • 인공지능(Artificial Intelligence) : 인간의 지능이 갖고 있는 기능을 갖춘 컴퓨터 시스템

  • 머신러닝(Machine Learning) : 인공지능의 한 분야로, 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야

  • 딥러닝(Deep Learning) : 여러 비선형 변환 기법의 조합을 통해 높은 수준의 추상화를 시도하는 기계학습 알고리즘의 집합

  • 인공지능 안에 머신러닝 포함, 머신러닝 안에 딥러닝 포함하는 관계

2. 인공신경망(Artificial Neural Network)

인공 신경망이란?

  • 사람의 신경망 원리와 구조를 모방하여 만든 기계학습 알고리즘

  • 문제 해결 능력을 가지는 모델 전반

  • 입력 데이터가 가중치(weight)를 통과하면서 결과를 도출하는 방법

  • 입력층, 은닉층, 출력층으로 구성

인공 신경망의 종류

  • DNN(Deep Neural Network)

​- CNN(Convolution Neural Network)

  • RNN(Recurrent Neural Network)

DNN(Deep Neural Network)

  • 은닉층을 2개 이상 지닌 학습 방법

  • 많은 데이터의 반복학습, 사전학습, 오류 역전파 기법을 통해 널리 사용

  • 과적합과 높은 시간 복잡도가 문제

    • 과적합 - 기계 학습에서 학습 데이터를 과하게 학습(overfitting)하는 것을 뜻함(학습 데이터는 오차가 감소하지만 다른 데이터에 대해서는 오차가 증가)

CNN(Convolution Neural Network)

  • DNN을 활용한 알고리즘으로 데이터의 특징을 추출하여 특징의 패턴을 파악하는 구조

  • Convolution과 Pooling 과정으로 진행

    • Convolution : 데이터의 특징을 추출하는 과정, 데이터에 각 성분의 인접 성분들을 사용하여 특징을 파악하고 특징을 한 장(Convolution Layer)으로 도출하는 과정

    • Pooling : Convolution을 거친 레이어의 사이즈를 줄여주는 과정, 사이즈를 줄이고 노이즈를 상쇄시켜 미세한 부분에서 일관적인 특징 제공

RNN(Recurrent Neural Network)

  • DNN을 응용한 알고리즘으로 반복적이고 순차적인 데이터 학습에 특화된 인공 신경망

  • 내부의 순환구조를 이용하여 과거의 학습의 weight를 통해 현재 학습에 반영

참고