항목
-
데이터 융합, 심층 기계 학습 深層機械學習, Deep ..일반적인 기계 학습(ML) 모델보다 더 깊은 신경망 계층 구조를 이용하는 기계 학습주로 여러 개의 은닉층(hidden layer)으로 구성된 인공 신경망을 활용한다. 은닉층 수가 많아질수록 ‘깊다(deep)’라고 표현하며, 깊은 계층 구조는 얕은 구조에 비해 복잡한 함수를 표현할 수 있다. 이러한 구조는 인간 뇌의 신경 ...
-
심층 기계 학습 深層機械學習, Deep learning일반적인 기계 학습 모델보다 더 깊은 신경망 계층 구조를 이용하는 기계 학습. 주로 여러 개의 은닉층(hidden layer)으로 구성된 인공 신경망을 활용한다. 은닉층 수가 많아질수록 ‘깊다(deep)’라고 표현하며, 깊은 계층 구조는 얕은 구조에 비해 복잡한 함수를 표현할 수 있다. 이러한 구조는 인간 뇌의 신경 회로망...
-
AI, 심층 기계 학습 접근법/알고리즘일반적인 기계 학습(ML) 모델보다 더 깊은 신경망 계층 구조를 이용하는 기계 학습.주로 여러 개의 은닉층(hidden layer)으로 구성된 인공 신경망을 활용한다. 은닉층 수가 많아질수록 '깊다(deep)'라고 표현하며, 깊은 계층 구조는 얕은 구조에 비해 복잡한 함수를 효율적으로 표현할 수 있다. 심층 기계 학습(deep ...
-
AI, 심층 신경망 접근법/알고리즘아웃(drop-out), 정류화 선형 유닛(ReLU: Rectified Linear Unit), 배치 정규화(batch normalization) 등의 기법을 적용하면서 이러한 문제를 해결하고 심층 기계 학습(deep learning)의 핵심 모델로 활용되고 있다. 심층 신경망은 알고리즘(algorism)에 따라 비지도형 기계 학습(unsupervised learning)을 기반으로...
-
데이터 융합, 심층 신경망 DNN, 深層神經網문제가 발생할 수 있다. 2000년대 이후 드롭아웃(drop-out), ReLU(Rectified Linear Unit), 배치 정규화(batch normalization) 등의 기법이 적용되면서 심층 기계 학습(deep learning)의 핵심 모델로 활용되고 있다. 심층 신경망은 알고리즘에 따라 비지도 학습 방법(unsupervised learning)을 기반으로 하는 심층 신뢰...
-
데이터 융합, 인공 신경망 ANN, 人工神經網이 재발견되며, 다시 활성화되었다. 2010년대에는 컴퓨터 하드웨어 및 학습 알고리즘의 발달로 수십 개의 은닉층이 있는 심층 신경망(DNN : Deep Neural Network)이 널리 사용되게 되었다. 바둑을 비롯해 이미지 및 자연어 처리, 음성 인식 등의 분야에서 기존의 기계 학습 방법의 성능을 뛰어 넘는 결과를 보이고 있다...
-
AI, 생성적 대립 신경망 접근법/알고리즘어려워 통계적인 기법을 이용하여 컴퓨터가 자동으로 공통된 특징을 찾도록 한다. 특히 사람이 찾기 어려운 공통된 특징을 잘 찾는 기계학습 방법의 하나가 심층 신경망이기 때문에 심층 신경망을 이용하여 생성적 대립 신경망을 구현한다. 생성적 대립 신경망은 동영상이나 이미지 위조 등에 주로 활용한다. 영화나...
- 참고 :
- 생성적 대립 신경망은 몬트리올대학교 요슈아 벤지오(Yoshua Bengio) 교수 연구팀에서 고안되어 2014년 신경정보처리시스템(NlPS: Neural Information Processing Systems) 학회에서 발표되었으며, 당시 대학원생이던 이안 굿펠로우(Ian Goodfellow)가 주도적인 역할을 하였다.
-
신경망 처리 장치 NPU, 神經網處理裝置고속으로 처리하기 위하여 개발한 장치(unit). 수천 개 이상의 연산을 동시에 처리해야 하는 대규모 병렬 연산을 효율적으로 처리하는 장치(unit)로 심층 기계 학습(deep learning)에 주로 활용한다. 신경망 처리 장치(NPU: Neural Processing Unit)는 기존 컴퓨터에 있는 중앙 처리 장치(CPU: Central processing unit...
-
라벨 데이터 labeled data그리고 포함하고 있는 객체(object)가 무엇인가 등의 추가적인 정보를 알려주는 라벨이 붙어 있는 데이터. 기계 학습(ML: Machine Learning) 및 심층 기계 학습(deep learning) 시스템은 안정적인 학습 패턴을 추출하기 위하여 많은 양의 데이터가 필요하다. 특히 지도형 기계 학습(Supervised learning)을 위해 사용...
