글 수 203
딥러닝에 대한 자세한 설명이 포함된 글입니다.
2006년 캐나다 토론토 대학의 제프리 힌톤 교수가 처음 소개하였는데
기존 신경망의 문제점들을 획기적으로 해결한 알고리즘이었습니다.
신경망에는 지도학습과 비지도학습 두가지 방법이 있습니다.
지도학습은 이런 입력이 들어오면 이런 출력을 내보내라고 가르칩니다.
반면에 비지도학습은 스스로 학습을 하면서 입력된 데이터들을 군집화 합니다.
힌톤이 제안한 Deep Belief Network는 먼저 비지도학습으로 군집화를 먼저 수행한 후에
이렇게 만든 여러 신경망을 연결해서 하나의 큰 신경망을 구성합니다.
고양이 사진을 판단하는 딥러닝을 만든다고 예를 들어보겠습니다.
하나의 신경망으로 이미지를 입력으로 받아 Yes/No 출력을 하도록 만들면 학습이 잘 이루어지지 않습니다.
대신 먼저 비지도학습으로 이미지들을 군집화 합니다.
그러면 위의 사진처럼 사선모양 등 이미지의 특징별로 분류가 됩니다.
그런 다음 전처리된 신경망을 여러개 연결하여 최종적으로 고양이를 분류하는 신경망을 만들어냅니다.
최근에는 딥러닝도 여러가지 방법이 새로 개발되었습니다.
가장 최근에 발표된 것은 전에 소개해드린 DeepMind의 게임을 학습하는 딥러닝처럼
딥러닝에 강화학습을 적용하여 경험을 통해 스스로 학습하는 알고리즘입니다.
< 인공지능 개발자 모임 >
- 페이스북 그룹에 가입하시면 인공지능에 대한 최신 정보를 쉽게 받으실 수 있습니다.
- https://www.facebook.com/groups/AIDevKr/
