브레니(Brenny) (주)아이디맥스

사람과 같이 문제 해결을 위해 학습하는 나는 브레니(Brenny)라고 해요. 사물도 인식하고 무언가를 분류해보고 묶어보고 신경망을 가동시켜 특징을 추출하죠. 기계가 학습을 하다니... 내가 궁금하지 않나요?

딥러닝 ⊂ 머신러닝

딥러닝은 머신러닝으 세부 방법론들을 통해하는 개념에 불과합니다. 즉, 이론적으로 딥러닝으로 머신러닝의 '부분집합'

이라고 할 수 있으며, 사실 기존 머신러닝 이론에서 크게 새로울 것이 없습니다. 엄밀히 말하면 요인 추출은 필수적인 것은

아니나, 머신러닝의 성패를 크게 좌우하는 것이라 핵심 요소 리스트 상에 추가해 보았습니다. 머신러닝을 위해서는 데이터와

러닝 모델이 필요하며, 성공적인 학습을 위해서는 우선 데이터를 면밀히 조사하고 그 특징을 파악한 뒤, 이에 가장 적합한

러닝 모델을 잘 골라야 하며, 원 데이터를 그대로 사용하는 것보다는 효과적인 요인을 새로 정의하며, 이를 추출한 뒤 러닝

모델이 입력해주는 거이 좋다고 합니다.

머신러닝의 핵심 요소

- 데이터

- 러닝 모델(+러닝 알고리즘)

- 요인 추출

대표적인 딥러닝 모델

1. 완전 연결 신경망

완전 연결 신경망은 다층 퍼셉트론을 지칭하는 또 다른 용어입니다. 다만 여러구조의 심층 신경망이 추가로 발표되면서

기존의 다층 퍼셉트론이라는 표현을 사용하기 다소 애매해졌고, 이에 따라 오늘날에는 완전 연결 신셩망이라는 표현을

널리 사용되고 있습니다.

완전 연결 신경망은 위의 다층 퍼셉트론의 일반적 구조에서와 같이 노드 간에 횡적/종적으로 2차원적 연결을 이룹니다.

이때 서로 같은 층에 위치한 노드 간에는 연결 관계가 존재하지 않으며, 바로 인접한 층에 위치한 노드들 간에만 연결

관계가 존재한다는 것이 핵심적인 특징입니다.

2. 컨볼루션 신경망

컨볼루션 신경망은, 본래 2차원적 속성을 지니는 데이터에 효과적으로 적용할 수 있습니다. 이미지 데이터가 가장

대표적인 사례로 보고, 실제로도 이미지 인식 분야에서 컨볼루션 신경망이 가장 활발하게 사용됩니다.

3. 순환 신경망

우리가 다루는 입력 데이터 중에서는, 특별히 선후 관계가 중요하게 취급되는 것들이 있고, DNA 염기 서열과 같은 것들이

대표적입니다. 이런 형태의 데이터를 시퀸스라고 합니다. 순환신경망은 태생적으로 시퀸스 데이터에 대하여 잘 작동하도록

설계되었습니다. 순환신경망은 자연어 처리 분야에서 특히 많이 적용되어 있고, 사람들이 사용하는 언어를 텍스트 시퀸스

형태의 데이터로 변환하였을 때, 길이 가변성과 선후 관계의 특징을 지니고 있습니다.

출처 : 코그넥스