신경망(Neural Network), 지도학습(Supervised Learning)

@딥러닝(DeepLearning)

-신경망을 학습시키는 것

​

​

 

@주택 가격 예측 예제

-더 큰 신경망은 더 많은 이러한 뉴런들로 이루어져 있고, 그것들을 쌓아놓은 모양임

 

 

 

-입력 특성들을 가지고 신경망은 y(가격)을 예측함

-각 원들은 신경망의 은닉 유닛이라고 불림

위 예제에서 각각의 은닉 유닛은 4개의 입력을 받음

-충분한 양의 x와 y를 훈련 예제로 준다면 신경망은 x를 y로 연결하는 함수를 알아내는데 뛰어날 것

​

 

​

@지도 학습(Supervised Learning)

-머신러닝의 방법은 지도 학습, 비지도 학습 등 여러 종류가 있음

-지도 학습이란 정답이 주어져있는 데이터를 사용해 컴퓨터를 학습시키는 방법

-분야에 따라 적용되는 신경망이 다름

​

​

 

@Supervised Learning with a Neural Network

 

-이미지 분류를 위해 CNN 사용, 음성을 텍스트로 변환시키기 위해 RNN 사용

-순환 신경망(RNN)은 1차원 시퀀스 데이터에 강함

(음성, 언어)

​

​

 

@구조적 데이터(Structured Data)

-데이터베이스로 표현된 데이터

-정보의 특성이 잘 정의되어 있음

​

​

 

@비구조적 데이터(Unstructured Data)

-음성파일이나 인식하고자 하는 이미지나 텍스트 데이터 같은 것

-비구조적 데이터는 특징적인 값을 추출하기 어려운 형태의 데이터이기 때문에 구조적 데이터보다 컴퓨터 작업이 어려움

->딥러닝 덕분에 컴퓨터가 비구조적 데이터를 잘 인식할 수 있게 됨

 

 

 

@최근 딥러닝이 강력한 도구로 부상한 이유

-깊은 모델일수록 더 많은 데이터가 필요하며, 이는 곧 좋은 퍼포먼스로 나타남

 

-최근 딥러닝이 강력한 도구로 부상한 이유

1. 데이터 양 증가

2. 컴퓨터 성능 향상

3. 알고리즘의 개선

예) Sigmoid 함수가 아닌 ReLu 함수를 사용함으로 Gradient 소멸 문제 해결

-Sigmoid는 왼쪽, 오른쪽 끝으로 가면 미분 값이 0이 되기 때문에 Gradient 가 소멸하는 문제가 발생하는데, ReLU 함수를 사용하므로 문제를 해결할 수 있음

 

 

 

 

 

참고)

https://youtu.be/n1l-9 lIMW7E