신경망

신경망이란 무엇입니까?

신경망이란 뇌 속 뉴런의 망형 구조를 닮은 다층형 구조의 컴퓨팅 모델입니다. 여기에는 서로 연결된 처리 소자, 일명 '뉴런'이라는 것이 있으며 이들이 서로 협력하여 출력 함수를 도출합니다. 신경망은 입력 및 출력 계층/차원으로 구성되며 대부분은 숨겨진 계층도 있습니다. 숨겨진 계층은 입력을 출력 계층에서 사용할 수 있는 무언가로 변환해주는 단위로 구성됩니다.

신경망 아키텍처의 유형:

신경망, 다른 말로 인공 신경망(Artificial Neural Network)은 여러 가지 딥러닝 알고리즘을 사용합니다. 가장 보편적인 신경망 유형은 다음과 같습니다.

계층형 신경망(Feed-Forward Neural Network, FNN)

이것이 가장 기본적이고 보편적인 유형의 구조입니다. 여기에서는 정보가 입력에서 출력 방향의 한 방향으로만 이동합니다. 여기에는 입력 계층, 출력 계층이 하나씩 있고 그 사이에 숨겨진 계층이 몇 개 있습니다. 숨겨진 계층이 하나 이상인 경우 그 네트워크는 심층 신경망이라고 부릅니다.

순환 신경망(Recurrent Neural Network, RNN)

이것은 좀 더 복잡한 유형의 네트워크입니다. 이 인공 신경망은 보통 음성 인식과 자연어 처리(NLP)에 쓰입니다. RNN은 한 시퀀스의 모든 요소에 같은 작업을 수행하고, 출력은 이전 연산의 결과에 좌우됩니다.

컨볼루셔널 신경망(Convolutional Neural Network, ConvNet 또는 CNN)

CNN에는 여러 개의 계층이 있어 데이터가 이 계층을 통과하여 여러 카테고리로 필터링됩니다. CNN은 이미지 인식, 텍스트 언어 처리와 분류 등의 분야에서 매우 효과적인 것으로 검증되었습니다. 컨볼루셔널 신경망은 입력 계층 하나, 출력 계층 하나, 그리고 숨겨진 계층 하나로 구성되며 숨겨진 계층에는 컨볼루셔널 계층, 풀링 계층, 완전히 연결된 계층과 정규화 계층을 여럿 포함합니다.적어도 열두 가지는 더 되는 다른 신경망 종류도 있는데, 대표적인 예가 대칭적으로 연결된(symmetrically connected) 네트워크, 예를 들어 Boltzmann machine 네트워크, Hopfield 네트워크 등이며 이외에도 여러 가지 유형이 있습니다. 네트워크를 적절히 선택하려면 네트워크를 교육할 데이터의 종류를 고려해야 하고, 염두에 둔 애플리케이션의 종류도 고려해야 합니다.