인공신경망(Artificial Neural Network-ANN) :
인공신경망은 인간의 뇌 구조를 모방한 계산 모델로 여러개의 뉴런이 연결되어 복잡한 문제를 해결할 수 있는 구조이다. ANN은 수많은 노드를 계층적으로 연결하여 특정 입력에 대한 출력을 학습한다. 특히 이미지를 분류하거나 음성을 인식하는 등 복잡한 패턴 문제를 해결하는데 사용된다.
인공신경망 구조:
입력층 (Input Layer): 외부에서 주어지는 입력 데이터를 받아들이는 층입니다.
은닉층 (Hidden Layer): 입력 데이터를 처리하고 내부적으로 계산을 수행하는 층입니다. 은닉층이 많을수록 복잡한 문제를 더 잘 처리할 수 있으며, 이 경우 이를 '심층 신경망'(Deep Neural Network)이라고 합니다.
출력층 (Output Layer): 신경망의 최종 결과를 제공하는 층으로, 예측 값을 나타냅니다.
인공신경망의 학습구조:
신경망은 입력데이터를 받아 가중치를 조정하는 과정을 통해 학습한다. 이 과정에서 오차를 줄이기 위해 역전파 알고리즘(backpropagation)을 자주 사용한다 .
퍼셉트론 :
퍼셉트론은 인공신경망의 가장 기초적인 형태로, 하나의 뉴런(노드)으로 이루어진 단층 신경망이다. 주로 이진 분류 문제에 사용되며, 입력 신호에 가중치를 곱한 후 합산하여 특정 기준(임계값) 이상이면 1, 아니면 0으로 분류하는 방식이다.
인공 신경망의 학습 :
인공 신경망은 주로 노드와 선으로 표시된 그래프 형태로 나타내며 노드는 인공뉴련을 나타내고 선은 가중치를 나타낸다 . 인공 신경망의 학습은 가중치 weighit를 조정하여 제대로 된 학습을 나오게 하는 것
용어 정리 :
x1 , x2 : 입력값
w1, w2 : 연결강도
y : 실제 값
y’ : 활성화 함수를 통한 출력 값 오차 : 실제값과 예측 값의차이
학습 : 오차를 줄이기 위해 연결강도를 조정하는 것
퍼셉트론의 학습 알고리즘 :
새 연결강도 = 현 연결강도 + 현 입력값 x 오차 x 학습률 ( 학습률 : ０。００１과 같이 아주 작은 값)
-> 오차가 0 이 아닐 경우 현 입력값이 클수록 오차의 발생에 기여한 바가 크다고 보고, 새 연결강도를 업데이트 할 때 변화를 더 많이 주는 방향으로 학습이 이루어진다.
즉 , 오차가 발생하고 현 입력값이 클수록 연결강도의 변화가 크다!
퍼셉트론 알고리즘을 학습의 결과 :
퍼셉트론의 학습 알고리즘을 통해 연결강도를 점진적으로 변화시키면 오차를 없앨 수 있는 인공신경망이 생성된다.
출처 : '신박 AI' 유튜브
