인공신경망의 구조
인공 신경망은 뇌 신경계의 정보 처리 구조를 모방하여 만든 컴퓨터 계산 알고리즘이다. 뇌 신경은 수많은 신경세포(뉴런)들이 연결되어 정보를 처리하고 전달한다. 신경세포는 신호를 입력받아 다음 신경세포에 출력형태로 연결한다는 점에서 입력과 출력을 갖는 함수와 비슷하다. W는 함수식의 가중치를 말하고, 딥러닝은 입력(X)과 출력(Y)의 관계를 설명할 수 있는 함수식의 가중치를 찾는 과정을 말한다.
활성화 함수
인공 신경망은 입력값을 가중치와 곱하고 그 결과를 전부 더한다. 이와 같이 가중 합산한 값을 활성화 함수에 입력하여 최종 출력한다. 즉, 입력값들의 수학적 선형 결합을 다양한 형태의 비선형 결합으로 변환한다. 이진분류에 사용되었던 시그모이드 함수를 보면 로지스틱회귀 모델의 활성화 함수로 다룬 적이 있다. 출력이 0.5보다 작으면 0으로 분류하고, 0.5보다 크면 1로 분류한다.
손실 함수
인공신경망이 출력하는 값과 실제 정답과의 차이를 말한다. 손실함수가 작을수록 좋은 것이다. 문제 유형에 따라 손실함수 종류는 위와 같다. 딥러닝 학습을 통해 인공 신경망의 출력값과 실제값을 비교하여 그 차이를 최소화하는 가중치 W와 편향의 조합을 찾는다. 또한 손실함수를 최소화하는 방향으로 가중치를 갱신하는 알고리즘을 옵티마이저라고 부른다.
다층 신경망(MLP)
인공 신경망은 일반적으로 여러 층의 레이어를 겹겹이 쌓아서 만든다. 입력레이어와 출력레이어가 신경망의 앞과 뒤에 위치하고, 그 사이에 여러 층의 은닉 레이어를 배치한다. 각 레이어는 여러 개의 유닛으로 구성되고, 각 유닛은 하나의 퍼셉트론으로 구성되어있다. 단층신경망과 다층신경망의 차이는 은닉층의 여부로 가려지게 된다. 단층신경망은 입력값을 받는 input layer와 출력값을 내보내는 output layer만 존재하는 반면, 다층신경망은 그 사이에 입력과 출력을 직접적으로 하지는 않지만, 중간 계산과정을 참여하게 되는 은닉층(hidden layer)가 존재한다.
www.datamarket.kr/xe/board_LCmL04/26245
'AI > Machine Learning&Deep Learning' 카테고리의 다른 글
| Deep Learning_딥러닝을 활용한 분류 예측 (0) | 2021.04.06 |
|---|---|
| Deep Learning_딥러닝을 활용한 회귀 분석 (0) | 2021.04.06 |
| Machine Learning_피처 엔지니어링 (0) | 2021.03.29 |
| Machine Learning_타이타닉 생존자 예측 (0) | 2021.03.29 |
| Machine Learning_확률적 경사 하강법 (0) | 2021.03.28 |