[ ML ] 인공신경망 기본

본 게시글은 아래 영상을 기반으로 만들어졌다.

https://www.youtube.com/watch?v=aircAruvnKk 

 

 

 

딥러닝은 기존 인공신경망(Artificial Neural Network)의 한 종류이다. 

인공신경망은 사람 두뇌의 신경세포를 모방하여 수학적으로 모델링한 것으로 

데이터를 학습시는 머신러닝의 한 분야야다.

 

머신러닝의 한 범주이지만 타 머신러닝은 정형데이터를 다루는 반면, 딥러닝은 이미지, 영상, 텍스트 같은 비정형 데이터에 좋은 성능을 보이고있다.

 

 

이미지 출처 : Databricks, 인공신경망의 기본구조

 

인공신경망의 뇌의 어떤 점을 본딴 것일지 알아보자

 

뉴런은 0에서 1사이의 정보를 담는 다는 것만 알고 있으면된다.

이 숫자가 뉴런의 연결정도를 설명하는 수이다.

 

예를 들어 한 사람이 숫자를 보고 어떤 숫자인지 대답해야한다고 하자

28*28 픽셀

위의 이미지를 보면 대부분의 사람들은 숫자 9 라고 답할 것이다.

저 것을 어두운것은 0에 가깝게 밝은 것은 1에 가깝게 표현한다면 위와 같은 형태가 나올 것이다. 저 숫자들을 활성화 정도라고 표현한다.

 

우리가 숫자를 인식할 떄는 각 부분을 합친다

9의 경우에는 원부분과 ㅣ직선부분을 합치어

8의 경우에는 원부분 두개를 합친 모양

4의 경우 긴 수직선하나와 짧은 수직선 하나 짧은 수평선 하나를 합쳐 이루어진다.

 

이런 사람의 인식을 

 

 

은닉층에서 각각의 부분으로 인식하기를 기대한다.

 

분류 또는 예측을 할 때의 특징점을 은닉층에서 추출해내고 최종 결과에 활용하는것이다. 

 

이런 인식의 과정을 음성에서나 텍스트에서나 이미지에서나 기대하는 것이다.

 

저런 특징을 어떻게 뽑아낼까

 

이미지의 외곽선을 파악한다고 할때

모든 활성치를 가져와 어떠한 가중치와 곱하는 과정을 거친다. 곱하고 더한 이후의 값이

1에 가까우면 선부분 0에 가까우면 배경이라고 인식하게 하는 것이다.

시그모이드 함수

하지만 저런 가중합이 무조건 0과1사이라고 기대할 수 없다.

ㄸㅏ라서 어떠한 값을 0과1사이로 만들어 주는 시그모이드 함수에 가중합(추가로 편향을 더한다.)을 넣어 다음 뉴런에 들어갈 값을 정한다.

 

ㅇㅇ

이렇게 모든 가중치와 편향을 카운트하면 

13002의 서로다른 값을 계산하여야한다.