전체 글49 딥러닝(Deep Learning) (1) - 합성곱 신경망(Convolutional Neural Network) 이제부터는 심층학습 또는 딥러닝(Deep Learning)이라 불리는 머신러닝(Machine Learning)에 대해 공부하고자 합니다. 1. 딥러닝(Deep Learning; DL)이란 딥러닝(Deep Learning)은 신경망을 이용한 머신러닝의 일종입니다. 딥러닝의 학습대상인 신경망은 일반 신경망과 비교해 대규모이며 복잡하다는 특징을 가지고 있습니다. 딥러닝 기술을 활용하면 신경망을 이용한 대규모 학습이 가능해집니다. 딥러닝은 이번 세기에 들어 엄청난 발전을 이루었습니다. 딥러닝이 발전하게 된 여러 가지 배경들을 정리하면 아래 (표 1)와 같습니다. (표 1) 딥러닝의 발전 배경 항 목 설 명 하드웨어 기술의 발전 CPU의 고속화와 멀티코어화, GPU를 일반 계산처리에 이용하는 GPGPU 기술의 발.. 2023. 5. 23. 인공지능(AI)과 인공 신경망(Artificial Neural Network) (3) 2023.05.21 - [인공지능(AI; Artificial Intelligence)] - 인공지능(AI)과 인공 신경망(Artificial Neural Network) (2) 5. 순환 신경망(Recurrent Neural Network; RNN) 앞에서 보았듯이 계층형 신경망은 입력에서 출력으로 한 방향으로만 계산하는 신경망입니다. 이에 반해 순환 신경망(recurrent neural network)은 출력으로 향하는 신호가 입력 쪽에 피드백되는 구조를 가진 신경망입니다. (아래 그림은 순환 신경망 구조의 예입니다) 지금까지 공부해 온 단순한 계층형의 신경망과는 달리 데이터의 전달 경로가 출력에서 입력 방향으로 향하는 구조의 신경망을 일반적으로 순환 신경망(Recurrent Neural NetworK.. 2023. 5. 22. 인공지능(AI)과 인공 신경망(Artificial Neural Network) (2) 2023.05.19 - [인공지능(AI; Artificial Intelligence)] - 인공지능(AI)과 인공 신경망(Artificial Neural Network) (1) (인공 신경망은 하드웨어로 구현될 수도 있으나, 주로 컴퓨터 소프트웨어로 구현됩니다. 인공 신경망은 기초 컴퓨팅 단위인 뉴런 여러 개가 가중된 링크(weighted link)로 연결된 형태입니다. 가중된 링크(weighted link)는 주어진 환경에 적응할 수 있도록 가중치를 조정할 수 있습니다.) 인공 신경망은 초기 퍼셉트론을 시작으로 순환 신경망(RNN: Recurrent Neural Network), 합성곱 신경망(CNN: Convolutional Neural Network), 자기 조직화지도 (SOM: Self-Organ.. 2023. 5. 21. 인공지능(AI)과 인공 신경망(Artificial Neural Network) (1) 1. 인공 신경망 인공 신경망(Artificial Neural Network: ANN)은 생물의 신경세포 및 신경세포 네트워크 기능을 시뮬레이션해서 다양한 입출력 관계를 구현하는 계산기구입니다. 인공신경망은 인간 두뇌의 신경세포 뉴런 네트워크 구조를 모방하여 만든 기계학습(machine learning: 머신러닝) 알고리즘 모델로 인공지능(AI) 시스템이 사람처럼 스스로 학습할 수 있도록 하는 머신러닝 기법입니다. 인공 신경망 기술이 적용되면서 머신러닝의 기술들이 한층 더 발전하고 있습니다. 생물의 신경계는 신경세포(neuron)의 상호 결합으로 이루어져 있습니다. 신경세포(neuron)는 시냅스(synapse)라 불리는 접촉부를 경유해 신경세포 간에 정보를 전달합니다. 인공 신경망(이하 '신경망'으로 .. 2023. 5. 19. 머신러닝 학습 방법: K-인접기법, 결정트리와 랜덤 포레스트 & 서포트 벡터 머신(SVM) 여기서는 앞서 머신러닝(Machine Learning)에서 언급되었던 학습 방법들 중에서 데이터를 분류하는 기법들에 대해 개념 위주로 학습하고자 합니다. 1. K-인접기법(K-nearest neighbor method: KNN) K-인접기법(KNN)은 미리 주어진 학습 표본(데이터)과 새로운 데이터의 특징을 비교하고 비슷한 것을 찾아내어 새로운 데이터로 분류하는 방법입니다. 학습 표본을 기반으로 변수 간의 관계를 기반으로 분류 규칙을 생성하고 새로운 데이터를 특정 범주에 분류하는 기법입니다. 따라서 K-인접기법에서는 미리 학습데이트를 예시로 줘야 합니다. 그리고 데이터 세트에는 학습데이터의 특징을 나타내는 변수들과 그에 따른 분류 레이블인 클래스가 포함됩니다. K-인접기법은 어떤 특정한 공간 내에서 새로.. 2023. 5. 18. 인공지능(AI) 시스템의 지식 표현과 추론 (3) 2023.05.16 - [인공지능(AI; Artificial Intelligence)] - 인공지능(AI) 시스템의 지식 표현과 추론 (2) 1.5 개방 세계 가정(Open World Assumption)과 폐쇄 세계 가정(Closed World Assumption) 의미표현과 추론이 실패했을 때의 대응에 대해서 살펴보겠습니다. 의미 네트워크에서 예를 들어 '데스크톱에는 디스크 장치가 있습니까?'라는 추론을 실행할 경우, 데스크톱이나 그 상위 개념인 PC 또는 그보다 더 상위 개념인 컴퓨터 중 어디를 조사해도 '디스크 장치'에 관한 기술이 없다면 추론은 실패로 끝납니다. 이 결과의 해석은 두 가지 방법으로 생각할 수 있습니다. 하나는 '추론에 사용된 의미 네트워크에서 기술된 지식은 완벽하지 않고, 기술된.. 2023. 5. 17. 이전 1 ··· 3 4 5 6 7 8 9 다음 728x90
