인공지능

인공지능과 머신러닝, 딥러닝

 

머신러닝

현재 출력과 기대 출력 간의 차이 계산 -> 피드백 -> 알고리즘의 작동방식 교정

입력데이터를 기반으로 기대 출력에 가깝게 만드는 표현을 학습하는 것

머신러닝의 학습

더 나은 표현을 찾는 일련의 과정을 자동화하는 것

 

딥러닝

머신러닝의 한 분야로서 연속된 층(layer)에서 점진적으로 의미있는 표현 학습

딥(deep) 연속된 층으로 표현을 학습한다는 개념으로 모델의 깊이를 의미

기본층을 겹겹이 쌓아 올려 구성한 신경망(neural network)모델을 사용하여 표현 층을 학습

각 층에서 입력데이터가 처리되는 상세내용은 해당 층의 가중치(weight)에 저장

특정 층에서 일어나는 변환은 해당 층의 가중치를 파라미터로 가지는 함수로 표현

주어진 입력을 정확한 타깃에 매핑하기 위해 신경망의 모든 층에 있는 가중치 값을 찾는 과정

최적의 가중치 값을 찾기 위해 손실함수 사용

손실함수 (신경망의 예측과 기대 출력값의 차이를 점수로 계산)

손실점수를 피드백 신호로 사용하여 손실점수가 감소되는 장향으로 가중치 값을 점진적으로 수정