[AI] 딥러닝과 머신러닝, 퍼셉트론 개념 3주 10일차-1

딥러닝

딥 러닝, 머신 러닝, 인공 지능의 상관 관계

 

딥러닝 과 머신러닝 그리고 인공지능 중에 가장 넓은 개념은 인공지능이다.

 

인공지능이 계산, 학습 등 인간의 지적능력을 컴퓨터를 통해 구현하는 기술이라면

 

머신러닝은 특정 부분을 스스로 학습하여 성능을 향상할 수 있다고 볼 수 있다.

 

그렇다면 머신러닝과 딥러닝의 큰 차이점은 어떤 것일까

---

 

딥러닝과 머신러닝의 차이

 

출처 : www.codestates.com

 

 

딥러닝은 머신러닝과 다르게 알고리즘 처리 과정을 인공신경망을 통해 구현한다는점이 큰 차이점 이다.

 

위 그림의 딥러닝에서 볼 수 있는 그물망 구조는 인간의 신경망을 모방한 인공신경망이다. 

 

딥러닝이 모방한 인공신경망은 어떤 특징을 가지고 있을까?

---

 

인공신경망과 퍼셉트론

 

출처 : www.nextobe.com

 

인간의 뇌 신경전달물질인 뉴런의 구조를 모방하여 만든것이 바로 퍼셉트론이다.

 

퍼셉트론의 구성요소는 다음과 같다 : 입력값, 가중치, 활성화 함수, 출력값(예측값)

 

이를 수식화 하면 다음과 같다

 

딥러닝의 수식

 

여기에서 y는 우리가 찾아야 할 값(출력값, 예측값)이다 x는 우리가 입력한 값이다. 

 

간단하게 입력값이 x 일때 y 가 나온다고 할 때 어떤 과정을 통해  y 가 나오는 지를 찾는게 딥러닝이라고 할 수 있다.

 

그 다음 w 와 b는 차례대로 가중치(weight), 편향(bias)이다. 

 

딥러닝에서 최적의 가중치 w값을 구하는 것이 목표라고 할 수 있다.

 

그렇다면 컴퓨터는 가중치를 어떻게 알것인가? 

 

인간의 경우 이러한 가중치를 살아온 경험과 직관을 통해 데이터를 쌓는다.

 

우리의 뇌 구조를 모방한 딥러닝은 처음에는 랜덤하게 가중치를 부여한다.

 

그 후 이를 계산하여 실제 결과값과 비교한 후 다시 가중치를 업데이트하여 비교하고를 반복(훈련)하여 최적의 가중치를 찾게 된다. 

 

이런 훈련의 양과 여기에 들어가는 인풋은 사람이 하는 것이다. 개발자의 노력과 지능이 들어가야만 한다.

 

편향 값에는 활성화 함수가 들어갈 수 있다.

활성화 함수에도 여러 종류가 있지만 대표적으로 Sigmoid, ReLU, Softmax를 사용한다.

 

주어진 입력값 x에 가중치 w를 곱하고 편향값 b 를 더한 값이 결과값(예측값) y에 근접하는지 미분을 통해 확인하는 과정이 바로 딥러닝이라고 할 수 있다.