[인공신경망] ANN: Artificial Neural Networks

인공 신경망이란 인간의 실제 뇌와 신경을 본떠 만든 구조 입니다.

 

지능은 뉴런들이 전기적, 화학적 신호를 사용하며 서로 소통하며 생기는 것이다.

 

인공신경망은 생물학적인 뉴런들을 모방하기 위해 많은 수학적 식을 이용합니다.

 

간단한 인공싱경망 이미지는 다음과 같다.

인공 신경망

m: 은닉 층의 뉴런 수

N_1:  입력의 수

Feed forward Artificial Neural Networks 파란 점들은 뉴런이고 모두 연결되어 있습니다.

첫 번째 층에 있는 모든 뉴런은 은닉층이라고 불리는 두 번째 층에 모두 연결되어 있습니다.

 

모델 내 은닉층을 많이 늘려서 학습의 결과를 향상시키는 방법은 Dense Artificial Neural Networks (DNN)라고 부릅니다.

은닉층에 이어진 또 다른 은닉층에 또 이어지거나 할 수 있습니다.

 

인공신경망은 분류, 회귀 이미지 분류 등에 활용 됩니다.

 

하나의 뉴런을 살펴보면, 다양한 입력값인 X와 가중치 W로 구성되어 있습니다.

모든 뉴런과 뉴런 사이의 연결에는 가중치가 존재합니다.

여기에서 지능이 생겨납니다. 가중치들은 각각의 값을 지니며 훈련을 의미합니다.

하나의 뉴런

 

식은 다음과 같습니다. 행렬의 곱셈으로 표현합니다.

X값에다 가중치를 곱하여 합계를 구합니다.  즉, 곱셈들의 결과값들을 모두 더하여 

 

그 후에 활성화 함수를 적용합니다.

대표적으로 시그모이드 함수를 사용합니다.

시그모이드 함수

모든 가중치 값들은 하나의 특정한 층에 속한 뉴런과 또 다른 층에 속하는 모든 뉴런을 연결하는 각각의 값들이빈다.

출력 오류를 줄이기 위한 최적의 가중치 값을 찾아내야합니다.