딥러닝 이론

1 개요

신경망을 이용해 머신러닝을 수행하는 것.

머신러닝에서 특징을 지정해주어야 했다면, 딥러닝에선 특징을 자동으로 학습한다. 머신러닝에서 색, 크기 따위의 데이터를 입력해주어야 했다면, 딥러닝은 그냥 전체에서 해당 특징을 추출해내어 판단한다.

딥러닝이란 것은 신경망을 더 깊게 만든 것일 뿐, 기본적으로 신경망이다.(머신러닝의 한 분파)

1.1 신경망을 깊게 하는 이유

이론적인 근거는 없지만, 실험 결과를 바탕으로 깊은 편이 유리하다는 것이 알려져 있다. 완전히 이론적으로 규명된 것은 아니지만, 층을 깊게 하면 적은 매개변수로 같은 수준의 표현력을 달성할 수 있다. 매개변수는 층을 반복할 때마다 적어진다. 즉, 학습속도를 높일 수 있고, 층 중간중간 활성화함수를 끼어넣어 비선형함수가 겹치면서 복잡한 것도 표현할 수 있게 된다.

이미지분석에서 필터를 시각화 해보면 층이 깊어질수록 필터가 점차 추상적인 정보를 표현하게 된다.

2 신경망

사람의 두뇌를 모방하여 만들어졌다. 여러 뉴런이 연결되어 있는 구조를 가진 네트워크.

3 역사

3.1 퍼셉트론

1957년에 프랑크 로젠 블라트가 고안한 것으로, 각 입력값에 대해 가중치를 부여하여 결과를 내놓는다.