Artificial Neutral Network   인공 신경망, 인공 신경회로망

(2024-01-28)

Neutral Network, 신경망, Perceptron, 퍼셉트론


1. 인공 신경망 (Artificial Neutral Network, ANN)

  ㅇ 인간의  구조에 착안,모방하여 만든 기계학습법의 일종

  ㅇ 인간 뇌(腦)의 구조
     - 수백억개의 신경 세포뉴런(Neuron)들이 있고,
        . (뉴런 : 뇌의 정보 처리에 관여하는 기본 세포)
     - 이들 간을 연결하는 시냅스들로 구성된 결합체
        . 시냅스(Synapse)
           .. 각 뉴런 간을 연결하는 수천만개의 연결부위
           .. 신경계를 구성하는 뉴런이 다른 세포신호를 전달할 때 이용되는 연결점

  ㅇ 인간 뇌(腦)의 기능
     - 시냅스로 연결된, 적응적,병렬적 특성을 갖는, 신경 회로망을 통해,
     - 감각,기억,판단,운동 기능을 일으키고 조화롭게 발현됨


2. 인공 신경망 특징학습이 가능함
     - 훈련 데이터 집합주면, 연결 강도를 자동 추정하며, 인공 신경망이 만들어짐

  ㅇ 적응적 학습
     - 신경 세포 구조를 적응적으로 변화시키는 것에 의해 학습 함
        . 잘못된 답으로 이끄는 뉴런들 사이의 연결은 약화되고,
        . 올바른 답으로 이끄는 연결은 강화됨

     * 시냅스 가소성 (Synaptic Plasticity) 
        . 시냅스를 통해 신경 전달 물질이 많이 전달되면, 관계 강화됨
        . 그 역이면, 관계 약화됨                                                 

  ㅇ 병렬 정보 처리
     - 정보가 신경망 특정 위치가 아니라 신경망 전체에 동시에 저장되고 처리됨
        . 통상, 노드의 출력이 연결 강도와 곱하여, 계산이 이루어지므로,
        . 각각 독립적으로 계산 처리되면서, 병렬 처리 가능


3. 인공 신경망 주요 모델

  ㅇ 퍼셉트론 (Perceptron)
     - 선형 분류기의 일종
     - 2개의 층을 갖음
        . 왼쪽에 입력을 받는 입력층 (input layer)
        . 오른쪽에 출력을 보내는 출력층 (output layer)
        . (일정 개수의 입력이 활성화되었을 때, 출력을 내보냄)
     - 매개변수  :  가중치(weight), 편향(bias)
        . 가중치(weight) : 각각의 입력 신호에 부여되어, 입력 신호와의 계산을 하고,
           .. 신호 총합이, 정해진 임계값(θ; theta,세타)을,
           .. 넘으면, 1을 출력 (활성화, activation)
           .. 넘지 못하면, 0 또는 -1을 출력
        . 입력 신호
           .. 입력 각각에 고유한 가중치가 부여됨
           .. weight가 클수록, 해당 신호가 중요하다고 봄
        . [참고]
           .. 사실상, 가중치를 만들어내는 것이 학습이며, 
           .. 가중치 값은, 학습 알고리즘에 따라 달라짐

  ㅇ 다층 퍼셉트론 (MLP, Multi Layer Perceptron)
     - 비선형 분류기의 일종
     - 층 구분 : 입력 층, 은닉 층, 출력 층
        . 은닉 층이 2 이상 있는 경우 : 심층 신경망 (DNN : Deep Neural Network)
     - (추가편집중)


4. 학습 방식

  ㅇ 가중 링크 (Weighted Link)
     - 뉴런들 간에 링크로 연결되어 있고, 그에 연관된 수치 가중치가 있어서,
     - 가중치들을 반복적으로 조정하며 학습이 이루어짐

  ㅇ 즉, 가중치 조정으로 프로그램될 수 있는 학습능력을 갖는다고 볼 수 있음


5. 응용분류,예측,평가,합성,제어 등 다양한 분야에 적용 가능함
     - 즉, 일반적인 문제 해결을 위한 수학적 도구로써 주로 활용됨


6. [참고사항]

  ㅇ 신경망 종류 : DNN, CNN, RNN

기계학습
   1. 기계 학습   2. 기계학습 용어   3. 기계학습 종류   4. 인공 신경망 (ANN)   5. 분류   6. 군집화   7. 차원 축소   8. 서포트 벡터 머신 (SVM)  


Copyrightⓒ written by 차재복 (Cha Jae Bok)               기술용어해설 후원
"본 웹사이트 내 모든 저작물은 원출처를 밝히는 한 자유롭게 사용(상업화포함) 가능합니다"