[06] 딥러닝의 개념 및 발전

＃ 딥러닝: 수많은 데이터에서 특징을 추출하고, 특징의 패턴을 학습하는 기계학습 기법
＃ 인공신경망:  중요한 특징들을 제공해서 학습

AI > 머신러닝 > 딥러닝

 

[1] 딥러닝 배경 및 활성화 요인

- 데이터의 폭발적 증가

- 하드웨어(CPU 속도 빨라지고 개발 및 투자 증가)

- imagenet 

안경잡이개발자 :: 이미지넷(ImageNet) 데이터셋 소개 및 다운로드하는 방법 (tistory.com)

이미지넷(ImageNet) 데이터셋 소개 및 다운로드하는 방법

[2] 딥러닝의 발전

- 이미지 식별, 음성인식, 자동번역, 질의응답, 문제해결 및 예측 등
- 인공지능의 구현에 필요한 핵심 요소 가능하게 해줌

[3] 딥러닝의 출현

- 2000년 후반부터 심층 신경망의 효과적 훈련을 가능하게 하는 알고리즘 제안

[4] 딥러닝의 역사
1) 다층 퍼셉트론: 은닉층이 깊어질수록 처리할 수 있는 정보의 양은 증가하지만, 
가중치 W의 개수 증가로 학습이 어려운 단점이 있음

2) 합성곱 신경망 CNN(convolutional neural network)
: 합성곱 계층과 통합 계층, 완전 연결계층으로 구성된 심층 신경망 모형 중 하나
- 사람의 시각인지 과정을 모방하여 컴퓨터 비전 분야에서 사용됨
→ 이미지 데이터일 경우라도 3차원 데이터로 입력을 받고 다음 계층에도 3차원 데이터로 전달하여 이미지처럼 형상을 가진 데이터를 제대로 이해할 수 있음

2-1) 합성곱 신경망의 구조
- 합성곱 계층: 이미지로부터 특징 추출
- 풀링 게층: 이미지에서 표본을 추출하는 방식으로 학습 속도를 높임
- 완전연결 계층: 최종적인 분류 작업을 수행

3) 순환 신경망: 내부 순환 구조를 통해 시간에 의존적이거나 순차적인 데이터의 학습에 활용
- 내부에 있는 순환 구조에 의해 현재 정보에 이전 정보가 반영되면서 정보 표현이 가능한 알고리즘
- 매 시각의 인공신경망을 쌓아 올린 구조