ANN

• 인공신경망(Artificial Neural Network)으로 불림.
• 사람의 신경망 원리와 구조를 모방하여 만든 기계학습 알고리즘
• 인간의 뇌에서 뉴런들이 어떤 신호, 자극 등을 받고 그 자극이 어떠한 임계값을 넘어서면 결과 신호를 전달하는 과정에서 착안함
• 들어온 자극, 신호는 input data
• 임계값은 가중치(weight)
• 어떤 행동을 하는 것은 output데이터
• 입력층과 출력층 사이에는 은닉층이 존재함

  • 여기서 은닉층의 갯수와 노드의 개수를 구성하는 것을 모델을 구성한다고 이야기 함.
  • 모델을 잘 구성하여 원하는 output값을 잘 예측하는 것이 목표.
  • 은닉층에서는 활성화함수를 사용하여 최적의 weight, bias를 찾아내는 역할을 수행 함.

• 가장 대표적인 예시로 퍼셉트론이 있음.

SLP

• 단층 퍼셉트론(Single Layer Perceptron)
• 학습 능력을 갖는 패턴분류장치
  

MLP

• 다층 퍼셉트론
  (Multi Layer Perceptron)
• 여러 층의 퍼셉트론으로 적어도 1개 이상의 은닉층(hidden layer) 보유
• 일반적으로 지도학습
• 역전파 알고리즘으로 학습
• 경사하강법으로 에러를 최소화
• Overfitting, Vanishing Gradient과 같은 단점이 존재

DNN

• 모델 내 은닉층을 많이 늘려서 학습의 결과를 향상시키는 방법
• DNN은 은닉층을 2개이상 지닌 학습 방법
• 컴퓨터가 스스로 분류 레이블을 만들어내고 공간을 왜곡하고 데이터를 구분짓는 과정을 반복하여 최적의 구번선을 도출
• DNN을 응용한 알고리즘이 바로 CNN, RNN
  이 외에도 LSTM, GRU 등이 있음
  

CNN

• 합성곱 신경망
• Convolution Neural Network
• 데이터의 특징을 추출하여 특징들의 패턴을 파악하는 구조
• 정보 추출, 문장분류, 얼굴인식 등 널리 사용. 특히 이미지 및 비디오 처리에 활용
• Convolution과정, Pooling과정을 통해 진행
• Convolution Layer와 Pooling Layer를 복합적으로 구성한 알고리즘
  

RNN

• 순환신경망 : Recurrent Neural Network
• 반복적이고 순차적인 데이터 학습에 특화된 인공신경망의 한 종류로써 내부의 순환구조가 들어있다는 특징을 지님.
• 순환구조를 이용하여 과거의 학습을 Weight를 통해 현재 학습에 반영
  
  

GAN

• 생산적 적대 신경망

• Generative Adversarial Network

• 전반적인 생산적 적대 신경망 GAN의 의미는 서로 경쟁하면서 가짜 이미지를 진짜 이미지와 최대한 비슷하게 만들어내는 네트워크.
  

• GAN 모델 써보고 싶은뎅,,,,,,, 어떻게 손대야 할지 모르겠다^^ ㅎ...

참고 :
https://ebbnflow.tistory.com/119
https://dbrang.tistory.com/1537
https://byul91oh.tistory.com/104