[ML] Neural Network(1) - Introduction

🤔 Neural Networks

인공신경망(人工神經網, 영어: artificial neural network, ANN)은 기계학습과 인지과학에서 생물학의 신경망(동물의 중추신경계중 특히 뇌)에서 영감을 얻은 통계학적 학습 알고리즘입니다.

 

인공신경망은 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)이 학습을 통해 시냅스의 결합 세기를 변화시켜, 문제 해결 능력을 가지는 모델 전반을 가리킵니다.

 

이번 포스팅에서는 가볍게 Neural Network를 소개하겠습니다.

 

 

 

 

 

 

 

 

 

 

 

 

🔎 Introduction

신경망이라는 알고리즘은 뇌에서 벌어지는 Activation을 흉내내서 알고리즘을 개발한 것입니다.

 

 

 

뇌의 경우 먼저 자극이 들어옵니다.

 

만약 자극이 역치(threshold)보다 크다면 뉴런이 활성화됩니다.

 

이때 둔감한 사람은 역치가 클 것이고 민감한 사람은 역치가 낮아 해당 자극을 더 잘 느낄 것입니다.

 

서로 비슷하게 활성화되는 뉴런들은 시냅스를 통해 강한 연결관계를 가집니다.

 

 

 

AI의 경우 데이터가 들어옵니다.

 

즉, 데이터가 자극의 역할을 합니다.

 

이때 해당 Function의 값이 역치보다 크다면 노드가 활성화됩니다.

 

서로 비슷하게 활성화되는 뉴런들은 강한 weight를 가지게 됩니다.

 

 

 

신경망이 충분히 사람 뇌정도의 용량을 가지게 된다면 뇌에서 벌어지는 일들을 컴퓨터에서도 작동할 수 있습니다.

 

 

 

ANN(Artificial Neural Networks)를 NN이라고 부르기도 하며 대부분의 머신러닝 알고리즘들이 NN의 특별한 형태라고 설명할 수 있습니다.

 

베이지안, SVM, Decision Tree등이 특별한 제약을 가진 NN이라고 할 수 있습니다.

 

현재 각광받는 딥러닝 또한 NN에 포함됩니다.

 

 

 

 

다음 포스팅에서 NN의 알고리즘에 대해 순서대로 알아보겠습니다.