딥러닝 (Deep Learning)

딥러닝이란 무엇입니까?

딥러닝은 머신 러닝의 하위 집합으로, 특히 사람의 뇌 구조와 기능에서 영감을 얻은, 알고리즘을 포함한
대량의 데이터를 다룹니다. 그래서 딥러닝 모델을 종종 심층 신경망이라고 부르는 것입니다.
이는 일반적인 작업별 알고리즘이 아니라 학습 데이터 표현을 기반으로 한 넓은 의미의 머신 러닝 방식에 속합니다.

딥러닝의 작용 원리는 무엇입니까?

딥러닝에서는 컴퓨터 모델이 이미지, 텍스트나 소리에서 직접 분류 작업을 수행하는 법을 배웁니다. 한 작업을 되풀이하여
수행하면서 조금씩 조정하여 결과를 개선하는 것입니다. 딥러닝 모델은 사람의 성능 수준을 웃돌 수 있습니다.
모델은 대량의 레이블이 지정된 데이터, 그리고 수많은 계층을 포함한 신경망 아키텍처로 교육합니다.
딥러닝 신경망의 가장 중요한 부분은 연산 노드 계층으로 이를 일명 "뉴런"이라고 합니다.

뉴런은 하나도 빠짐없이 기본 계층에 속한 모든 뉴런에 연결됩니다. 이 신경망은 "딥러닝"으로 인해
최소 두 개의 숨겨진 계층을 활용합니다. 숨겨진 레이어를 추가하면 연구자가 좀 더 심층적인 계산을 하는 데
도움이 됩니다. 그렇다면 이 알고리즘은 어떻게 작용합니까? 문제는, 연결마다 각각의 가중치나 중요도가 있다는 것입니다.
하지만 심층 신경망의 도움을 받으면 분류에 가장 중요한 특징을 자동으로 찾아낼 수 있습니다.
이를 수행하는 데 Activation Function의 도움을 받는데, 이 함수는 각 뉴런에서 신호가 택해야 하는 길을 평가합니다.
이것은 마치 사람의 뇌가 작용하는 방식과 같습니다.

딥러닝 계층의 유형:

• 노드의 입력 계층에서 정보를 수신하여 이를 기저 노드로 전송하고,
  여기에 네트워크가 중요도에 따라 로컬 대비 패턴을 고정합니다.
   
• Hidden layer에 있는 노드들이 바로 연산이 일어나는 곳입니다.
  이 레이어에서 로컬 대비 패턴을 이용하여 유사점들을 보정합니다.
   
• 출력 노드 계층에는 연산 결과가 표시됩니다. 이 계층에서 특징이 템플릿에 적용됩니다.

심층 신경망은 각각의 후속 계층에 연이어 점점 더 복잡한 특징을 만들 수 있습니다.