인공지능과 머신러닝, 딥러닝 (3)
이번엔 전에 이어서 딥러닝에 대한 설명을 해보겠습니당.
앞에서 본것과 같이 딥러닝을 간단히 인간의 뉴런과 비슷한 인공신경망 방식으로 정보를 처리한다고 했습니다.
음 나중에 나올것 같지만 MLP모형같은 느낌이 확 느껴집니다만...잘 모르겠습니다.
Deep learning이란 단어를 보면 무언가 'Deep' 깊고 세분화 된 느낌이 강한데...
그냥 연속된 층으로 표현을 학습한다는 개념을 나타낸다고 합니다.
딥러닝은 머신러닝의 특정한 한 분야로써 연속된 층(layer)에서 점진적으로 의미있는 표현을 배우는 데 강점이 있어요.
또한 데이터로부터 모델을 만드는데 얼마나 많은 층을 사용했는지 그 모델의 깊이(DEEP)이 됩니다!
최근에는 딥러닝의 모델은 표현학습을 위해 수백개의 연속된 층을 가지고 있다고 하네요...
이 수많은 층을 Train data에 노출시켜 자동으로 학습시킵니다!
딥러닝에서는 layer를 쌓아 올려 구성한 신경망이라는 모델을 사용하여 표현층을 학습합니당.
주의할 점은 신경망을 떠올렸을 때...생물시간에 배운 그런 복잡한 구조를 상상하게 되는데
단순 수학모델일뿐 그것과는 상관이 없다고 하네요!
앞서 머신러닝의 알고리즘 학습을 해보았죠..이번에는
딥러닝의 알고리즘으로 학습된 표현은 어떻게 나타날지 한번 알아볼게요.
우선 몇개의 층으로 이루어진 네크워크가 이미지 안의 숫자를 인식하기 위해 이미지를 어떻게 변환하는지 살펴볼게요.
점점 더 많은 정보를 가지지만 원본이미지와 점점 더 다른표현으로 숫자이미지가 변환됩니다. 아래그림을 만들어봤어요.
(참고로 이해를 돕기위해 시각화 했는데 층마다 숫자 4는 인식하는 부분이 조금 다르다고 생각해주세요^^)
심층신경망을 정보가 연속된 필터(Filter)를 통과하면서 순도 높게 인식되는 것입니다.
이것이 바로~ '딥 러닝'입니다.
기술적으로는 표현을 학습하기 위한 다단계 처리 방식을 말합니다!!!
이 구조를 충분한 규모로 확장하면~~~어마무시한 일을 할 수 있습니다.
자자! 이제 딥러닝의 작동원리를 알아볼까요?...
힘들다구요? 그러면 다음에 페이지로 갑시다! gogo~