뉴런과 인공신경망
- 인간의 뇌는 천억 개 이상의 뉴런(neuron)이라고 불리는 신경 세포들로 구성
– 신경세포들은 서로 연결되어 자극(화학적 물질)을 주고받는 신경망 (neural network)을 형성
– 신경세포는 세포핵(nucleus), 세포체(cell body), 수상돌기(dendrite), 축삭(축색)돌기(axon), 시냅스(synapse)로 구성
세포체 : 세포핵을 포함하는 신경세포의 크고 둥근 부분을 가리킴
수상돌기 : 다른 세포로부터 오는 신호 대부분을 받아들이는 신경세포의 연장부분
축삭돌기 : 다른 신경세포로 신호는 보내는 통로
시냅스 : 신경 세포간의 연결부위로 전기적 신호를 화학적 신호로 변환되어 다른 신경세포와 소통하는 통로역할
신경세포의 신호 전달 과정
- 수상돌기로부터 입력된 화학물질은 세포체로 전달되고, 다른 세포와 연결되어 있는 여러 수상돌기로부터 전달된 화학물 질을 종합해 임계값 이상일 경우 활성화되어 축삭돌기를 통해 전기적 신호를 발생
- 배출된 전기적 신호는 강도에 따라 시냅스에서 화학적 물질로 다시 변환되어 다른 신경세포에게 전달
- 신경세포에서 출력되는 화학적 물질은 그대로 다음 세포에 전달되는 것이 아니라 두 세포간의 연결강도에 따라 다른 값을 전달
- 신경세포들은 학습이라는 과정을 통해 세포간의 연결강도를 조절
신경 세포들은 시냅스와 수상돌기를 통해 서로 연결되어 망을 형성하게 되는데 이것을 신경망(neural network)이라고 부른다.
5.1 단층 인공 신경망 만들기
- 딥러닝 알고리즘의 토대는 로젠블라트(Rosenblatt)가 제안한 퍼셉트론으로부터 출발
- 단순한 선형분리만 가능하다는 한계에 관심이 점차 시들해져 갔으나, 80년대에 들어서 다층 퍼셉트론과 오류 역전파 알고리즘을 통해 다양한 비선형분리가 가능한 분류 문제를 해결할 수 있게 되면서 다시 주목을 받기 시작
- 다층 퍼셉트론의 등장과 함께 인공신경망은 여러 개의 층으로 구성되게 되었으며 이를 딥러닝이라 일컫는다.
- 80년대 후반 컴퓨터 비전 분야에 적용 가능한 CNN이 개발된다.
인공 신경망의 기본 구조
- 복수의 입력을 받아서 하나의 출력을 계산
- 입력값들은 각 입력마다 다른 가중치(weight)를 곱한 값을 모두 더하고, 여기에 바이어스를 더함
- 더해진 총합은 활성화 함수라 불리는 함수에 적용해 활성화 수준 계산 후, 출력값으로 연결
인공신경망을 학습시킨다는 것은 입력값에 곱해지는 가중치를 반복적으로 조정하여 학습한다는 것이다.
활성화 함수(Activation Function)
항등 함수(Identity Function)
계단 함수(Step Function)
부호 함수(Sign Function)
시그모이드 함수(Sigmoid Function)
하이퍼탄젠트 함수(Hyper Tangent Function)
램프 함수(ramp Function, Rectified Linear Function)
퍼셉트론(Perceptron)
다층 퍼셉트론
5.2 다층 인공 신경망 만들기
5.3 모델 재사용
인문대 컴퓨터공학부