[ML] Neural Network

Neural Network 신경망

• 뉴런의 구조를 모델링하여 만듦
• 하나의 neuron : perceptron
• 시냅스 : 여러 layer
• 연결주의 방식

---

Perceptron

• 하나의 Neuron
• 학습이 불가능한 Neuron을 학습이 가능하게 만든 것
• input data를 통해 output data를 받는 구조
• input, weights, activation function으로 구성됨

---

Multi Layer Perceptron

• XOR 문제를 풀기 위해 처음 고안됨
• Input layer : Domain에서 입력을 받기 때문에 계산이 수행되지 않고 정보를 은닉층에 전달함
• Hidden layer : 노출되어있는 layer가 아니고 abstraction만 전달함
• Output layer : 최종 value를 전달하는 network 마지막 layer

Hidden layer에서는 일반적으로 동일한 활성화 함수를 사용하지만

Output layer에서는 task에 맞게 맞는 활성화 함수를 사용함

 

Deep Learning

• 신경망을 학습시는 것 

Housing price prediction

• 선형회귀로 문제를 해결 할 수 있음

---

신경망

• 주택 가격 예측을 신경망으로 보기
• feature 가 size 하나일때

---

• feature 가 size 여러개 일때
  • 각 신경망에서 insight를 추출

실제 신경망

• 원 부분은 Unit이라고 부름 (activation function을 ReLu를 쓴다면 ReLu Unit)
• 하나의 unit은 4개의 input을 다 보고 insight를 추출함

---

Supervised Learning

• Home features, Ad user info -> standard NN
• Image -> CNN
• Audio, English (시계열 데이터)-> RNN
• Image, Radar info (문제가 복잡한) -> custom, Hybrid

---

Neural Network examples

• CNN 은 주로 image에 강함
• RNN 은 1차원 시퀀스 데이터에 강함 (1차원 시퀀스의 주 예시는 시계열 데이터)

---

Data examples

• Structured Data
  • DB로 생긴 데이터
• Unstructured Data (작업하기 어려움)
  • Audio, Image, Text 등 구조가 없는 데이터

---

https://www.youtube.com/c/Deeplearningai

DeepLearningAI