신경망이란 무엇이며 그 기능

신경망이란 무엇입니까?

인공 신경망은 인간 두뇌의 기능에서 영감을 받은 모델입니다. 그것은 서로 연결되어 신호를 전송하는 인공 뉴런으로 알려진 노드 세트에 의해 형성됩니다. 이러한 신호는 입력에서 전송되어 출력을 생성합니다.

신경망의 목적은 무엇입니까?

이 모델의 주요 목표는 기존 규칙 기반 프로그래밍을 통해 수행할 수 없는 복잡한 작업을 수행할 수 있도록 자동으로 수정하여 학습하는 것입니다. 이런 식으로 처음에는 사람만 수행할 수 있었던 기능을 자동화할 수 있습니다.

신경망은 어떻게 작동합니까?

언급했듯이 네트워크의 기능은 인간 두뇌의 기능과 유사합니다. 네트워크는 일련의 입력 값을 수신하고 이러한 각 입력은 뉴런이라는 노드에 도달합니다. 네트워크의 뉴런은 차례로 신경망을 형성하는 레이어로 그룹화됩니다. 네트워크의 각 뉴런에는 수신된 입력을 수정하는 숫자 값인 가중치가 있습니다. 얻은 새로운 값은 뉴런을 떠나 네트워크를 통해 계속 진행됩니다. 이 작업은 다음 이미지에서 개략적으로 볼 수 있습니다.

네트워크의 끝에 도달하면 네트워크에 의해 계산된 예측이 될 출력이 얻어집니다. 네트워크가 더 많고 복잡할수록 수행할 수 있는 기능도 더 복잡해집니다.

신경망 훈련. 역전파 또는 역전파

신경망이 원하는 기능을 수행하도록 하려면 신경망을 훈련시켜야 합니다. 신경망의 훈련은 원하는 결과를 추출할 수 있도록 뉴런의 가중치를 수정하여 수행됩니다. 이를 위해 수행되는 작업은 네트워크에 훈련 데이터를 입력하는 것입니다. 얻은 결과에 따라 얻은 오류 및 각 뉴런이 해당 결과에 얼마나 기여했는지에 따라 뉴런의 가중치가 수정됩니다. 이 방법을 역전파 또는 역전파라고 합니다. 이 방법을 사용하면 네트워크가 학습 중에 학습하는 동안 사용된 데이터와 매우 다른 데이터로 매우 성공적인 결과를 얻을 수 있는 모델을 얻을 수 있습니다.

현재 그 사용이 대중화되었지만 신경망은 1950년대부터 존재합니다. 그러나 그 당시 장비의 저전력과 네트워크가 어떤 방식으로 학습할 수 있도록 하는 알고리즘의 부재로 인해 효율적으로 사용이 중단되었습니다. 그 후 역전파 알고리즘의 생성, 이러한 유형의 계산에 대한 대규모 최적화를 허용하는 GPU의 사용 및 학습에 사용할 수 있는 더 많은 데이터 수 덕분에 신경망이 다시 등장하고 다양한 분야에서 두각을 얻게 되었습니다. 이러한 개선으로 인해 딥 뉴럴 네트워크, 즉 복잡한 작업을 위해 다수의 레이어로 구성된 네트워크를 기반으로 하는 딥 러닝의 등장이 가능해졌습니다.

신경망의 기능

신경망의 기능 범위는 작동으로 인해 매우 넓기 때문에 충분한 훈련을 통해 기존 기능을 근사할 수 있습니다. 주로 신경망은 예측 및 분류 작업을 위한 수정입니다. 그들의 행동 범위는 오늘날 광범위하고 매우 유용합니다. 그들은 경제와 같은 다른 분야에서 사용되지 않는 경우 인더스트리 4.0 응용 프로그램(예:이전에 도입되지 않은 부품 및 결함 인식)에 사용될 뿐만 아니라 몇 년에 걸쳐 가격이 얼마나 변할지 예측하는 데 도움이 되거나 다양한 건강 문제를 진단하는 데 도움이 되는 의학 분야에서도 도움이 될 수 있습니다.

신경망은 인공 지능 개발의 핵심 요소가 되었으며 주요 연구 분야 중 하나이며 시간이 지남에 따라 더욱 복잡하고 효율적인 솔루션으로 진화하고 있습니다.

모든 프로젝트에 신경망을 적용하고 싶습니까? 문의하기 !

관련 프로젝트를 알고 싶으십니까?

• 큐벳 자동 세척
• 덩굴 가지치기용 로봇
• 원격 프로젝트 모니터링
• 인공 시력으로 배터리 연결
• 가변 코드 읽기