📝과제 - 인공지능 딥러닝 알고리즘에 대해 조사
인공지능 딥러닝 알고리즘에 대해서 조사해오기
- 인공지능 딥러닝 알고리즘 개요
- 딥러닝 알고리즘의 종류와 특징
- 결론( 내가 생각한 알고리즘과의 비교 )
딥러닝
딥러닝은 머신러닝의 한 분야로 인공신경망(ANN)를 이용해 학습하는 기술이다. 인공신경망은 인간의 뇌의 신경망을 본따 만들었다. 뉴런이라는 작은 단위의 신경 세포가 입력 신호를 받아 정보를 처리 후 다음 뉴런으로 출력 신호로 전달하는 전기자극 반응으로 움직인다. 이러한 신경망을 그대로 가져온 것이 인공신경망이다.
인공 신경 세포를 노드라고 부르며 입력층, 은닉층, 출력층으로 계층을 구성하여 학습을 진행한다. 입력층은 데이터의 입력하는 노드, 은닉층은 학습과 관련하여 특정들을 처리하고 분류하는 노드, 출력층은 데이터를 출력하는 노드로 구성된다.
딥러닝의 대표 알고리즘
딥러닝에는 다양한 알고리즘이 있다 그중 대표적으로 DNN, CNN, RNN, GAN에 대해 살펴 보았다.
DNN(Deep Neural Network)
심층 신경망(DNN)은 입력층과 두 개이상의 은닉층, 출력층으로 구성된 알고리즘이다. 노드들은 그 다음 노드들에 모두 연결 되어진 형태이며 w(가중치), b(편향)의 정확한 값을 구해내는 것을 딥러닝 학습이라고 볼 수 있다.
CNN(Convolutional Neural Network)
합성곱 신경망(CNN)은 이미지의 지역별 특징을 뽑아서 학습하는 알고리즘이다. 이미지 및 영상 인식, 오디오 신호 처리에 있어서 훌륭한 성과를 낸다. 그래서 자율 주행, 동영상 시청시 자동으로 나오는 자막 분야 등에서 자주 쓰이는 알고리즘이다.
RNN(Recurrent Neural Network)
순환신경망(RNN)은 자신으 출력을 다시 입력으로 활용하는 알고리즘이다. 순서가 있는 학습에 특화되어 있다. 우리가 일반 적으로 사용하는 말, 글, 음악, 영화, 주식 시세 처럼 시간과 관련되어 순서가 있는 데이터들을 잘 처리한다.
GAN(Generative Adversarial Network)
생성적 적대 신경망(GAN)은 두 신경망 모델의 경쟁을 통해 학습을 하는 알고리즘이다. DNN 하나로도 강력하게 사용하는데 그 둘을 이용해 경쟁을 해서 학습한다. 위조 지폐범과 위조지폐범을 잡으려는 경찰과 비슷하다. 위조지폐범은 진짜와 비슷한 가짜 지폐를 만들어 내고, 경찰은 위조지폐범이 만들어낸 가짜 지폐를 진짜 지폐와 비교해 문제를 찾아낸다. 이처럼 경쟁하는 학습 모델이다. 대표적으로 흑백 사진 복원, 영상 합성, 그림에 다른 작가의 화풍을 섞어 주는 등에 사용할 수 있다.
결론
내가 알고 있던 일반적인 알고리즘은 특정한 문제를 풀어 답을 낼 때 알고리즘을 이용하면 더 효율적으로 빠르게 답을 낼 수 있게 만드는 것이라고 생각했다. 그래서 문제의 유형에 따라 알고리즘을 골라서 사용을 했다면 인공지능 알고리즘은 어떠한 문제가 있어도 컴퓨터가 스스로 학습하여 결과를 도출해 낸다. 데이터를 기반해 학습한다는 것이 큰 차이인것 같다.
본 후기는 정보통신산업진흥원(NIPA)에서 주관하는 <AI 서비스 완성! AI+웹개발 취업캠프 - 프론트엔드&백엔드> 과정 학습/프로젝트/과제 기록으로 작성 되었습니다.
