딥러닝의 개념과 동작 방식 - 인공신경망

딥 러닝(Deep Learning)이란?

• 딥러닝이란 인간의 두뇌와 비슷한 모양의 인공신경망(Artificial Neural Network, ANN)을 기반으로 머신러닝 학습을 수행하는 것으로 심층학습이라고도 부르며, 머신러닝의 한 종류다.
• 기존의 머신러닝에서는 학습하려는 데이터의 여러 특징 중에서 어떤 특징을 추출할 지를 사람이 직접 분석하고 판단해야만 했지만, 딥러닝에서는 기계가 마치 사람처럼 스스로 학습하려는 데이터에서 특징을 추출하여 학습하고 이를 토대로 의사결정이나 예측 등을 수행한다.
• 딥러닝과 머신러닝의 가장 큰 차이점은 바로 기계의 자가 학습 여부다.

인공신경망(Artificial Neural Network, ANN)

• 인간의 뇌가 가지는 생물학적 특성 중 뉴런의 연결 구조를 본떠 만든 신경망(Neural Network)은 딥러닝의 가장 기본 개념으로, 이러한 신경망을 본떠 만든 네트워크 구조를 인공신경망(Artificial Neural Network, ANN)이라고 부른다.
• 인공신경망은 데이터가 입력층과 여러 단계의 은닉층을 지나며 처리가 이루어져 출력층을 통해 최종 결과가 도출된다.
• 딥(deep)이란 시간이 지나면서 축적되는 신경망의 여러 층을 의미하며 신경망의 깊이가 깊어질수록 성능이 향상된다.

퍼셉트론(Perceptron)

• 퍼셉트론이란 1957년 미국의 심리학자 프랑크 로젠블라트(Frank Rosenblatt)에 의해 고안된 인공신경망 이론을 설명한 최초의 알고리즘이다.

https://www.saedsayad.com/artificial_neural_network_bkp.htm

• 로젠블라트는 가장 간단한 퍼셉트론으로 입력층과 출력층만으로 구성된 단층 퍼셉트론의 개념을 제안했으며, 단층 퍼셉트론에서 가중치와 임계치를 적절히 변경하면 상황에 맞는 적절한 의사결정을 내릴 수 있게 된다.
• 단층 퍼셉트론을 여러 개 조합하면 더욱 복잡한 문제도 판단할 수 있게 되는데 이를 다층 퍼셉트론이라고 부르며, 다층 퍼셉트론은 단층 퍼셉트론을 사용해서는 풀지 못하는 비선형 문제까지도 풀 수 있는데 보통 인공신경망이란 이와 같은 다층 퍼셉트론의 조합이다.

단층 퍼셉트론 동작 방식
1. 각 노드의 입력치와 가중치를 서로 곱하여 모두 합하고, 합한 값을 활성화 함수가 가지고 있는 임계치(선택의 기준이 되는 값)와 서로 비교한다.
2. 만약 그 값이 임계치보다 크면 뉴런은 활성화되고, 만약 임계치보다 작으면 뉴런은 비활성화 된다.

 

Reference

• http://www.tcpschool.com/deep2018/intro