[머신러닝] 인공 신경망(ANN, Artificial Neural Network)

인공신경망(ANN, Artificial Neural Network)

 

인공신경망이란, 뇌에 있는 생물학적 뉴런(Neuron)의 네트워크에서 영감을 받은 머신러닝 모델이다. 

인공신경망은 크게 2가지의 분류로 구별되며 아키텍쳐와 학습방법에 따라서 분류가 가능하다.

 

1. 아키텍쳐 기반에 따른 분류

• 퍼셉트론(Perceptron) : 가장 간단한 인공 신경망 구조
  • 단층 퍼셉트론(Single-Layer Perceptron)
    • 아래 그림과 같이 입력계층(Input-Layer)과 출력계층(Output-Layer)로만 이루어진 단순한 구조를 가진다.

    • 

      단층 퍼셉트론 구조 

• 다층 퍼셉트론(Multi-Layer Perceptron)
  • 아래 그림과 같이 입력계층과 출력계층 사이에 은닉층(Hidden-Layer)가 있는 구조를 가진다.
  • 은닉층이 2개 이상 쌓아 올린 인공 신경망을 심층 신경망(DNN, Deep Neural Network)라고 한다. ( 90년대에는 2개 이상의 은닉층을 사용하면 DNN이라고 칭하였으나 요즘은 수십~수천개의 은닉층을 가진 신경망이 흔해 Deep 이란 용어의 기준이 애매하다.)

  • 

    다층 퍼셉트론 구조

 

• 심층 학습(Deep Learning) : 3개 이상의 레이어(Layer)를 쌓아 학습하며 아래 그림처럼 2개 이상의 은닉층을 가지고 있다.

• 

  DNN의 구조

  • 합성곱 신경망(CNN, Convolutional Neural Network)
    • 인간의 시신경 구조를 모방해 만들어진 인공신경망 알고리즘
  • 순환 신경망(RNN, Recurrent Neural Network)
    • 뉴런의 출력이 다시 입력으로 피드백(Feedback)되는 재귀적(순환) 연결 구조를 갖는 신경망 알고리즘

 

2. 학습 방식에 따른 분류

학습 방식에 따라 지도학습, 비지도학습, 강화학습으로 구분되며 아래 포스트를 참고하면 된다.

2022.01.18 - [Programming/머신러닝] - [머신러닝] 강화학습

[머신러닝] 강화학습