인공신경망 (Artificial Neural Network)

I. 분류와 예측 모형, 인공신경망, ANN

가. 인공신경망의 개념

• 인간의 뉴런을 모방하여 가중치 조정을 통한 분류와 예측을 위해 다수 노드를 연결한 계층적 조직

나. 인공신경망의 특징

특징	구성요소
예를 통한 학습	– 예를 계속 제시하여 원하는 형태 학습
일반화	– 학습 후 미학습된 입력에도 올바른 출력
연상기억	– 일부 유실된 정보 → 유사한 출력
결함 허용성	– 일부노드 고장 → 잔여노드로 정상작동

• 인공신경망은 AI 기술 구현 위한 핵심 기술

다. 인공신경망 구성요소

구조	구성요소	설명
Input Layer	입력값	– 입력층에 유입되는 데이터
Hidden Layer	가중치	– 노드 간 연결 계수
	입력함수	– ∑(입력값 ×가중치)
	활성화함수	– 노드 활성화 여부 결정
	Critical Point	– 활성화 되기 위한 최소값
Output Layer	출력값	– 도출된 결과 값 출력

• 데이터를 신경망에 입력하여 출력 값과 기대 값을 비교하고 오차를 최소화하도록 조정

 

II. 인공신경망의 전파규칙

가. 인공신경망의 전파규칙 절차도

• 특정 처리기로 유입되는 NET Input 조합하여 현재 상태로부터 새로운 상태 출력 규칙

나. 인공신경망 전파규칙

규칙	핵심 요소	설명
입력	– Net Input – Input Layer	– 인공신경망에 입력값 유입 – 영상, 음성, 데이터 등
입력 가중합	–  값 – Hidden Layer	– 입력 및 이전 노드의 합 – 활성화 함수 입력으로 사용
활성화 함수	– f(NET) 결과 – ‘0’ or ‘1’	– NET 기준 y 값 활성화/비활성 – Sigmoid, ReLu, tanh 함수
출력	– 출력 값 y – Output Layer	– 학습 시 기대 값과 비교 – 학습완료 시 결과물 출력

• 인공신경망 전파를 통해 학습 수행 및 결과 도출

 

III. 인공신경망의 활성화 규칙

가. 인공신경망의 활성화 규칙 그래프

– 활성화 규칙 입력가중합(NET)이 임계치 T보다 큰 경우 y = ‘1’로 활성화

나. 인공신경망의 활성화 함수 유형

함수	그래프	설명
항등 함수		– 선형연속함수 – 입력이 그대로 출력 – f(NET) = NET
계단 함수		– 디지털 형태의 출력 – f(NET) = 1 : NET > T, 0 : NET < T
Sigmoid 함수		– 미분 불가능 지점에서 사용 함수 – 계단 함수 곡선화
ReLu 함수		– 역전파 시 경사감소 소멸 문제 해결 – 계산이 간단
tanh 함수		– 삼각함수 알고리즘기반 활성화 사용 – Sigmoid 범위 확장

• Sigmoid의 역전파 시 경사감소소멸 문제 해결한 ReLu 함수를 변형한 Leaky ReLu 함수 연구

 

IV. 인공신경망의 학습 규칙

가. 인공신경망의 학습 규칙 절차

• 특정 목적에 적합하게 뉴런 간의 연결 강도 적응 과정

나. 인공신경망 학습규칙기반 학습유형과 알고리즘

유형	알고리즘	설명
지도 학습	– KNN – MLP – SVM	– Labeled Data 기반 비교 검증 – 회귀와 분류, 예측모델 – 질병진단, 회귀 분석 적용
비지도 학습	– K-means – 군집(Cluster) – DBSCAN	– Raw Data 기반 데이터 분류 – 군집과 패턴인식 분류 – 차원축소, 데이터마이닝 적용
강화 학습	– Q-learning – Policy Gradient – DQN	– 벌칙과 보상 기반 최적 학습 – 시행착오와 최적 제어 – 알파고, 게임, 로보틱스 적용

• 학습 유형에 따라 지도학습은 정확한 결과 도출, 비지도 학습은 패턴 인식, 강화 학습은 시행착오 기반 스스로 학습 수행

 

V. 인공신경망의 활용사례와 부정적 측면 및 고려사항

가. 학습과 산업계 적용한 인공신경망 활용사례

구분	활용사례	설명
신경망 학습	– 알파고 제로	– AI 간 대국을 통한 기보 학습 – 인간역량의 한계 초월 가능
산업계 적용	– 챗봇 상담 – AI기반 진료	– 다양한 산업에 적용 가능 – 학습량 증가 시 예측도 정확

나. 인공신경망 발전에 따른 부정적 측면 및 고려사항

구분	부정적 측면	고려사항
기술 측면	– AI기능 오작동 – 트롤리 딜레마	– 인간과 AI 간의 관계 연구 – 윤리 문제의 사회적 합의 필요
사회 측면	– AI의 인력 대체 이슈	– 단기적 AI 운용 역량 필요 – 장기적 AI 활용 전략 연구

• 인간이 기계에 완전 대체를 방지하기 위해 초기부터 AI가 사람을 보조하도록 발전 필요