쉽게 이해하는 다층 신경망 딥러닝

By 상어남자

2022. 3. 31. 13:39

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.

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.tistory.com

다층 신경망

위 그림은 다층 신경망의 연결관계를 나타낸 도식표입니다. 이전의 단층 신경망과 비교해보면 은닉층(Hidden layer)이라는 하나의 단계가 더 추가되었음을 알 수 있습니다.

이처럼 입력과 출력만 존재했던, 단층 신경망과 달리 최소 하나 이상의 은닉층이 추가된 형태를 비로소 우리는 뉴럴 네크워크, 다층 신경망이라고 부를 수 있습니다.

그렇다면, 다층 신경망을 사용하는 이유는 무엇일까요? 단순히 과정이 추가되었다고해서 더 정교해질 수 있을까요?

이전 포스트에서 예를 들었던 A의 게임 시간에 대한 예상을 떠올려보겠습니다. 사실 1월의 게임시간보다는 비교적 최근인 2월의 게임시간이 3월의 게임시간을 예측하는데 더 많은 영향을 미치는 것은 누구라도 공감할 것입니다.

이 사고를 바탕으로 A의 게임시간의 범위를 늘려 1월부터 4월까지의 게임시간으로 5월의 예상 게임시간을 구하는 딥러닝 과정을 생각해보겠습니다.

은닉층에 임시로 정보를 저장함으로써 우리는 데이터를 한번 더 분류할 수 있게 됩니다. 1월과 2월의 데이터는 예전 데이터로, 3월과 4월의 데이터는 최근 데이터로 분류한다면, 5월의 데이터를 도출할 때, 최근 데이터에 더 큰 가중치 w를 줄 수 있을 것입니다.

앞서 말씀드린대로, 다층 신경망과 단층 신경망의 차이는 은닉층의 유무입니다. 다층 신경망은 은닉층의 존재로 인해서 추가적으로 생각을 저장할 공간을 갖게됩니다.

데이터의 수가 증가할 수록 생각의 공간 은닉층의 활용성은 더욱 높아지며, 최근 다루는 딥러닝의 정보들이 굉장히 복잡하고 방대하다는 것을 생각해보면 다층 신경망의 중요성이 얼마나 높은지 체감할 수 있습니다.

강아지 사진을 컴퓨터에게 무슨 사진인지 판별하도록 시킨다고 가정해보겠습니다. 그럼 컴퓨터는 해당 강아지 사진을 잘게 쪼개어 판단하게 됩니다.

귀 부분의 조각을 보고 이 귀가 누구의 귀인지, 코 부분의 조각으로 누구의 코인지, 다리 부분의 조각으로 누구의 다리인지를 종합적으로 고려하여 컴퓨터는 해당 사진이 강아지의 사진이라고 결론내리게 됩니다.

바로 이러한 과정이 다층 신경망 딥러닝의 한 예시가 될 수 있겠습니다. 잘게 쪼개진 사진들이 입력한 데이터, 해당 사진들을 귀, 코, 다리와 같이 부위별로 나눈 것이 은닉층, 강아지 사진으로 판단한 것이 출력값이 되겠습니다.

물론 이러한 과정 이전에 이미 다층 신경망에는 수많은 사진들에 대한 데이터가 학습되어 해당 조각이 어떤 동물의 모습인지 판단할 수 있는 능력이 갖추어져 있어야합니다.

이번 포스트에서는 다층 신경망 딥러닝이 무엇인지, 단층 신경망 머신러닝과의 차이가 무엇인지에 대해 알아보았습니다.

지금까지의 이해를 바탕으로 다음 포스트에서는 본격적으로 수식적인 내용에 대해서 다뤄보려고 합니다.

in-foman.tistory.com