단층 신경망의 머신러닝과 다층 신경망의 딥러닝은 데이터를 학습함으로써 정답을 찾아가는 길, 즉 가중치를 찾아가는 알고리즘입니다. 단어 자체에 Learning(배우다)가 사용된 이유라고 할 수 있습니다. 처음 신경망에 대해서 설명드리면서 보여드렸던 그림을 다시 가져와봤습니다. 신경망은 결과값에서 오차를 찾아내어 학습 규칙에 따라 이를 다시 학습하여 정답을 찾아가는 것을 확인할 수 있습니다. 신경망은 뇌와 유사하게 정보를 데이터 사이의 가중치 ω로 저장한다고 말씀드렸습니다. 새로운 데이터를 학습해 나감에 따라서 가중치를 학습 규칙에 따라서, 체계적으로 바꾸어 나가게 됩니다. 이 때, 신경망의 학습 규칙중에서 대표적이면서도 가장 기본적인 방법이 바로 델타 규칙입니다. 혹시 여기까지의 내용이 명확하게 와닿지 않..

다층 신경망은 은닉층, Hidden layer를 가지는 딥러닝 모델로 단층 신경망보다 정교하며 방대한 양의 데이터를 학습할 수 있다고 말씀드렸습니다. 하지만, 이전에 보았던 예시는 활성화 함수가 적용되지 않은 다층 신경망이었기 때문에 사실은 단층 신경망이라고 생각하는 것이 맞습니다. 다시 말하자면, 활성화 함수가 있어야 다층 신경망입니다. 위 그림은 은닉층을 가지는 다층 신경망입니다. 위 도식 표대로 결과 값을 도출해보도록 하겠습니다. 결과 값 = (은닉층 1 x ω5) + (은닉층 2 x ω6) 이므로 이 식에 다음 두 식을 대입합니다. 은닉층 1 = (1월 x ω1) + (2월 x ω3) 은닉층 2 = (1월 x ω2) + (2월 x ω4) 두 식을 대입하여 정리하면 결과 값 = 1월(ω1ω5 + ω..

앞에서 배운 머신러닝 단층 신경망은 사실 진정한 의미에서 신경망이라고 보기는 어렵습니다. 인간의 뇌와 같이 사고하고 정보를 저장한다기에는 연결관계가 너무나도 단촐했기 때문입니다. 이번 포스트에서 공부할 딥러닝에 의한 다층 신경망은 이전의 단층 신경망보다 한 단계 이상의 과정을 더 거치면서 더욱 정교하고 사람과 같은 사고를 할 수 있습니다. 머신러닝과 단층신경망에 대한 이전 포스트를 보고 오시면 이해하는데 도움이 될 것입니다. 쉽게 이해하는 단층 신경망 쉽게 이해하는 단층 신경망 Neural Network, 신경망은 머신러닝의 모델 중 하나입니다. 4차 산업혁명 시대에 접어들어, 인공지능, 머신러닝, 딥러닝 등이 주목을 받으면서 중요해진 개념이 신경망입니다. 머신러닝의 수많은 모 in-foman.tisto..

Neural Network, 신경망은 머신러닝의 모델 중 하나입니다. 4차 산업혁명 시대에 접어들어, 인공지능, 머신러닝, 딥러닝 등이 주목을 받으면서 중요해진 개념이 신경망입니다. 머신러닝의 수많은 모델 중 하나일 뿐인데, '신경망'이라는 이름을 붙인 것은 인간의 학습과정과 아주 유사한 형태를 띄고 있기 때문입니다. 신경망 간략하게 나타낸 신경망의 학습과정을 나타내었습니다. 신경망은 공부할 내용을 받아들여 그에 따른 결과를 도출해내고, 보완할 점을 학습 규칙에 따라서 또다시 학습하여 새로운 결과를 도출합니다. 일반적인 기계의 연산과 다르게, 결과에서 보완할 점을 찾아 또다시 학습한다는 점이 마치 인간이 사고하는 과정과 유사하다 하여, 신경망이라고 부르게 된 것입니다. 그리고, 우리는 화살표에 집중해야할..