TensorFlow Intro


1. 딥러닝이란?

  • 사람의 학습 능력을 모방하기 위해 다양한 컴퓨터 알고리즘과 방법론을 연구하는 분야

  • 신경망 알고리즘을 주로 사용하는 머신 러닝의 한 분야

  • 인공 신경망이라는 표현이 조금 더 적절할 수 있으나 포괄적인 의미로서 딥 러닝이라고 불림

  • 신경세포의 구조에서 착안하여 고안된 알고리즘을 사용

  • 신경세포의 특징을 바탕으로 1957년 프랭크 로젠블랫(Frank Rosenblatt)이 개발한 퍼셉트론 알고리즘이 딥 러닝과 많은 머신 러닝 알고리즘의 기초가 됨

2. Perceptron

  • 하나의 퍼셉트론은 하나의 신경세포를 인공적으로 모델링한 뉴런(neuron)이라 표현한다.

  • 입력값 X1, X2가 있을 때 각각 가중치 W1, W2를 곱한 후 더한다.

  • X1 x W1 + X2 x W2

  • 만족스로운 결과가 나올 떄 까지 가중치 W1, W2를 조정한다.

3. 신경망 구조

  • 신경세포 하나가 처리하는 정보는 단순하지만, 수천 억에서 1조 개에 달하는 많은 수의 신경세포가 거미줄처럼 얽혀 있어 복잡한 정보를 가공할 수 있다.

  • 신경망은 여러 개의 뉴런이 하나의 계층을 형성하며, 이런 계층을 다시 어러 개 쌓아 올린다.

  • 연결된 뉴런끼리 얼마만큼 정보를 주고받을지의 가중치를 매번 조절하여 신경망에 있는 모든 뉴런간의 연결을 최적화 하는 과정을 학습 또는 훈련이라 한다.

계층description

입력계층

신경망에서 데이터를 입력받는 계층

출력계층

결과값을 만들어내는 계층

은닉계층

입력계층은닉계층 사이에 끼어있는 계층

구조description

심층 신경망(DNN)

입력계층, 출력계층, 은닉계층으로 나누어짐

합성곱 신경망(CNN)

이미지 안의 물체를 인식하거나 이미지의 장면을 글로 요약하는데 많이 사용됨

순환 신경망(RNN)

???

4. References

  1. 조르디 토레스 . 박해선 텐서플로우 첫걸음 . 한빛미디어, pp. 23-31