|
|
|
|
인공지능시대(20): 인공신경망
|
|
2021년 02월 19일(금) 16:43 [(주)문경사랑] 
|
|
|
| 
| | | ↑↑ 지홍기
영남대학교 명예교수
문경대학교 특임교수
문경시지역발전협의회 의장 | ⓒ (주)문경사랑 | |
인공신경망이란?
인공신경망(人工神經網, Artificial Neural Network; ANN)은 기계학습과 인지과학에서 생물학의 신경망(동물의 중추신경계 중의 뇌)에 영감을 얻은 통계학적 학습과정의 연산(Algorithm) 절차이다. 인공신경망은 시냅스(연결지점; Synapse)의 결합으로 네트워크를 형성한 인공 신경세포(Neuron)가 학습을 통해 시냅스의 결합 세기를 변화시켜, 문제 해결 능력을 가지는 모델 전반을 가리킨다.
즉, 인공신경망은 입력신호(원시자료)를 입력층과 중간층의 노드에서 가중치(데이터 모집단의 통계학적인 특성)가 고려되어 출력층을 거쳐서 출력신호(기대치)로 나타내는 일련의 학습과 연산 과정의 알고리즘이다.
인공신경망의 학습과정
인공신경망의 학습과정은 지도, 비지도 및 강화 학습으로 구분된다. 지도학습은 정답이 있는 데이터를 학습시켜 정답을 해결(분류법 또는 회귀분석법)하며, 비지도학습은 정답이 없는 데이터를 군집화하여 데이터의 패턴이나 형태로 정답을 해결하는 방법이다. 그리고 강화학습은 행동심리학에 기반하여 자신의 행동에 대한 보상(Reward)을 받으면서 문제를 해결하는 방법이다.
인공신경망은 많은 입력들에 의존하면서 일반적으로 베일에 싸인 함수를 추측하고 근사치를 낼 경우 사용한다. 일반적으로 입력 데이터로부터 참값을 계산하는 뉴런 시스템의 상호연결로 표현되고 적응성이 있어 패턴인식과 같은 기계학습을 수행할 수 있다. 기계학습과 같이 데이터로부터 학습하는 신경망은 규칙기반 프로그래밍으로 풀기 어려운 컴퓨터 비전 또는 음성 인식과 같은 다양한 범위의 문제를 푸는데 이용된다.
| 
| | ⓒ (주)문경사랑 | |
인공신경망 기술
소프트웨어에서 생물학적 접근법은 신호처리와 통계학에 근거한 접근법들로 인해서 크게 사용되지 않고 있다. 이러한 시스템들 중에서는 신경망 또는 신경망의 각 부분들(인공 신경들)은 큰 시스템을 형성하며, 이 시스템은 조정이 가능하거나 또는 불가능한 요소들로 결합되어 있다. 신경망 시스템의 일반적인 접근법은 많은 현실문제 해결에 적합하지만, 전통적인 인공지능 연결모델에서는 불가능하다.
그러나 이들에게도 공통점이 있는데 그것은 비선형의 원리 분산, 병렬과 지역 처리 그리고 적응이다. 역사적으로 신경 모델들의 이용은 18세기 후반 의사결정 규칙(if-then)으로 표현된 지능을 가진 전문가 시스템을 특징으로 하는 고차원 인공지능에서 동적 시스템의 매개변수들을 가진 지능을 특징으로 하는 저차원 기계학습으로 가는 패러다임의 변환이다.
인공신경망 기술의 전망
인공신경망은 인간의 뇌가 패턴을 인식하는 방식을 모사한 알고리즘으로 시각, 청각 입력 데이터를 퍼셉트론(Perceptron: 생물학적 뉴런이 감각 정보를 받아서 문제를 해결하는 원리)이나 분류, 군집을 이용하여 해석하는데, 이렇게 해석한 결과를 이용하면 이미지, 소리, 문자, 시계열 데이터 등에서 특정 패턴을 인식할 수 있다.
인공신경망을 이용하면 각종 분류 및 군집화가 가능하며, 분류나 군집화를 원하는 데이터 위에 여러가지 층을 얹어서 원하는 작업을 하게 된다. 각 층은 라벨링이 되어 있지 않은 데이터를 비교하여 유사도를 구할 수 있으며, 라벨링이 된 데이터는 분류기를 학습하여 자동으로 데이터를 분류할 수 있게 한다.
인공신경망으로 특징을 추출하고 추출한 특징을 다시 다른 기계학습 알고리즘의 입력으로 사용하여 분류 또는 군집화를 할 수 있다. 따라서 빅데이터를 기반으로 로봇을 학습시켜 인간처럼 행동하고 사고하며 인간과의 상호작용을 통해 계속적으로 인공지능 시스템이 진화한다면 머지않은 시기에 인공지능은 인간의 삶 깊숙이 들어올 것이다.
|
|
|
|
홈페이지관리자 기자  .
“주간문경을 읽으면 문경이 보인다.”
- Copyrights ⓒ(주)문경사랑.
무단 전재 및 재배포 금지 -
|
|
|
|
 (주)문경사랑
기사목록 | 기사제공 : (주)문경사랑
|
|
|
|
|
|
|
|
|
|
실시간
많이본
뉴스
|
|
|
|
|
|
종합
커뮤니티
