딥러닝

• 공통점 : 데이터로부터 가중치를 학습하여 패턴을 인식하고 결정을 내리는 알고리즘 개발과 관련된 인공지능 (AI)의 하위 분야 
• 차이점 
  - 머신러닝 : 데이터 안의 통계적 관계를 찾아내며 예측이나 부류를 하는 방법 
  - 딥러닝 : 머신러닝의 한 분야로 신경세포 구조를 모방한 인공 신경망을 사용함 

 

딥러닝의 유래 

• 인공 싱경망 ( Artificial Neural Networks) 
  - 인간의 신경세포를 모방하여 만든 망(Networks)
• 신경 세포 : 이전 신경세포로 들어오는 자극을 이후 신경세포로 전기신호로 전달하는 기능을 하는 세포 

 

퍼셉트론 (Perceptron) : 인공 신경망의 가장 작은 단위 

 

선형회귀식 

- Y = wX + B 

 

• 몸무게와 키 데이터 
  Y : 키 
  x : 몸무게 
  b: 100로 임의로 설정 
  W : 1로 임의로 설정 
  에러 :실제 Y 값 - 예측 Y 

 

회귀 문제에서 최소화 하려는 값은 ? 
Mean Squared Error(MSe): 에러를 제곱한 총합의 평균 

즉, 가중치(weight) 를 이리 저리 움직이면서 최소의 MSE 를 도출해내면 된다. 

- 이렇게 최소화 하려는 값을 목적 함수 혹은 손실 함수 (cost function) 이라고 명명 

 

• 경사 하강법 (Gradient Descennt) 은 모델의 손실 함수를 최소화 하기 위해 모델의 가중치를 반복적으로 조정하는 최적화 알고리즘이며, weight 를 찾기 위한 직관적이고 빠른 계산 방법이에요. 변수 X가 여러 개 있다면 동시에 여러개의 값을 조정 하면서 최소의 값을 찾으면 된답니다. 
  
  경사 하강법에는 배치 경사하강법, 확률적 경사하강법 등 다양한 알고리즘이 개발되었어요. 

활성화 함수를 적용한 분류 도식화