X

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
Categories: 알고리즘/AI
도리:

View Comments (4)