신경망이란무엇입니까?
신경망이란뇌속뉴런의망형구조를닮은다층형구조의컴퓨팅모델입니다。여기에는서로연결된처리소자,일명”뉴런“이라는것이있으며이들이서로협력하여출력함수를도출합니다。신경망은입력및출력계층/차원으로구성되며대부분은숨겨진계층도있습니다。숨겨진계층은입력을출력계층에서사용할수있는무언가로변환해주는단위로구성됩니다。
신경망아키텍처의유형:
신경망,다른말로인공신경망(人工神经网络)은여러가지딥러닝알고리즘을사용합니다。가장보편적신경망유형은다음과같습니다。
계층형신경망(前馈神经网络，FNN)
이것이가장기본적이고보편적유형의구조입니다。여기에서는정보가입력에서출력방향의한방향으로만이동합니다。여기에는입력계층,출력계층이하나씩있고그사이에숨겨진계층이몇개있습니다。숨겨진계층이하나이상경우그네트워크는심층신경망이라고부릅니다。
순환신경망(循环神经网络，RNN)
이것은좀더복잡한유형의네트워크입니다。이marketing공신경망은보통음성marketing식과자연어처리(nlp)에쓰입니다。RNN은한시퀀스의모든요소에같은작업을수행하고,출력은이전연산의결과에좌우됩니다。
컨볼루셔널신경망(卷积神经网络，ConvNet또는CNN)
CNN에는여러개의계층이있어데이터가이계층을통과하여여러카테고리로필터링됩니다。CNN은이미지인식,텍스트언어처리와분류등의분야에서매우효과적인것으로검증되었습니다。컨볼루셔널신경망은입력계층하나,출력계층하나,그리고숨겨진계층하나로구성되며숨겨진계층에는컨볼루셔널계층,풀링계층,완전히연결된계층과정규화계층을여럿포함합니다。
적어도열두가지는더되는다른신경망종류도있는데,대표적인예가대칭적으로연결된(对称连接)네트워크,예를들어玻耳兹曼机네트워크,Hopfield네트워크등이며이외에도여러가지유형이있습니다。네트워크를적절히선택하려면네트워크를교육할데이터의종류를고려해야하고,염두에둔애플리케이션의종류도고려해야합니다。