[패스트캠퍼스 수강 후기] 인공지능강의 100% 환급 챌린지 23회차 미션

Part4-06. 가장 단순한 신경망을 통한 작동원리 - 01. (STEP 1) 얕은 신경망의 구조

개념위주로 빠르게 진행

신경세포

입력 - 수상돌기
출력 - 축삭돌기
여러개의 입력을 받아서 가중치를 곱하고, 출력을 내기전 활성화함수 사용.
활성화함수는 비선형의 특징을 갖음

뉴런을 그래프로 표현

그래프는 컴퓨터 공학에서 자료구조 (노드와 엣지로 표현)
노드가 동그란거, 엣지는 선
노드는 연산을 뜻함.
엣지는 연결성을 표현

인공신경망

뉴런들이 모여서 서로 연결된 형태를 인공신경망이라고 부름
어떻게 연결이 되어 있어도 상관이 없음.
딥러닝네트워크는 모두 인공신경망을 기본으로 함

Fully-Connected Layer(전결합계층)

Dense Layer라고도 함
계층(Layer)은 뉴런이 모여있는 단위
이전계층과 모든 뉴런이 서로 연결된 계층을 말함

Shallow Neural Network(얇은 신경망)

Shallow는 Deep learning에 반대되는 개념으로 나중에 명명됨
입력-은닉-출력 계층으로 구성됨

Part4-07. 가장 단순한 신경망을 통한 작동원리 - 02. (STEP 1) 얕은 신경망을 이용한 분류와 회귀

얕은신경망으로 가능한 것

키, 몸무게, 나이 -> 기대수명
지역, 집 면적, 건축년도 -> 적정 매매가
면접점수, 실기점수, 필기점수 -> 당락여부
꽃잎의 너비, 꽃잎의 색깔 -> 꽃의 종류

회귀

ex) 매매가, 기대수명
회귀곡선(추세선)
입력에 대해서 출력이 자명하게 회귀곡선에 떨어지지 않는 경우를 잡음이 있다고 말함
잡읍이 있는 학습 샘플로부터 규칙을 찾아 연속된 값의 출력을 추정하는 것을 회귀라고 한다.

분류

ex) 당락여부, 꽃의 종류
입력에 대해서 특정범주로 구분하는 작업을 분류하고 한다.
범주가 2개일경우 이진분류, 그 이상은 다중분류라고 함
분류곡선(Decision Boundary)로 구분

얕은 신경망을 이용한 회귀/분류

회귀
은닉계층에서 활성화함수, 출력계층에서 활성화함수Identity function (항등함수) 사용
이진분류
출력계층에서 활성화함수 Sigmoid function(0.5를 기준으로 2개의 class로 분류) 사용
다중분류
출력계층에서 활성화함수 Softmax(각 출력이 해당 class에 속할 확률을 계산) 사용

딥러닝/인공지능 올인원 패키지 Online