뉴럴 네트워크

뉴럴 네트워크는 기존의 기계학습이 분류한다고 말하는 기능을 우아한 방법으로 실현 하려는것인데 반해서 뉴럴 네트워크는 인간의 뇌신경 회로를 흉내내 매우 복잡한 구조의 힘을 통해 분류 하려는 것이다.

인간의 뇌는 뉴런의 네트워크로 구성되어 있어서 각 뉴런은 시냅스를 통해 서로 전기 자극을 전달한다. 여기엔 임계값 이라는 개념이 있는데, 자극이 일정 임계값을 넘지 못하면 전기신호가 발화되지 않아 그값이 0이되고 발화하면 1이되어 정보를 전달하는 방식이 뉴런사이에서 일어난다.

뉴럴 네트워크는 이러한 생체 뉴런의 정보 전달방식을 모사하였으며, 각 노드는 시냅스를 모방하고 있다고 보면된다. 아래층 뉴런으로부터 받은 값에 가중치를 곱하고, 그합을 시그모이드 함수(S자 곡선)을 거쳐 출력한다.

(시그모이드 함수는 온-오프를 수학적으로 취급하기 쉽도록 하기 위한 함수이다.)

일련의 흐름중에서 중요시 되는것은 가중치의 부여로, 인간의 뉴런이 학습에 의해 시냅스의 결합 강도를 변화시키듯이 학습하는 과정에서 중요성의 부여를 변화시켜 최적인 값을 출력하여 조정하는 것으로 정밀도를 높여간다. 결과적으로 훈련 데이터를 통해 이 가중치값들이 결정되면 이들의 결정된 네트워크를 통해 입력 데이터를 분류하는것이 바로 뉴럴 네트워크이다.

예를 들면

돈을 빌리는 사람의 경제상황과 상환할 수 있는가, 아닌가?

어떤문서가 외설인가, 그렇지 않은가?

어떤 이미지에 수상한 인물이 비치고있는가, 아닌가?

어떤 사람의 성적과 그 사람이 대학에 합격할 것인가, 아닌가?

어떤 고객의 정보와 그 사람이 단골손님이 될것인가, 아닌가?

연구실에서는 신입생들에게 자신이 좋아하는 데이터로 분리방법을 연구해 컴퓨터에 학습시켜 자동적으로 분류하시오라는 과제를 내고있다.

시간이 걸리는 학습, 순식간인 예측

기계 학습은 뉴럴 네트워크를 만드는 학습페이즈와 완성된 뉴럴 네트워크를 사용해서 정답을 내는 예측 페이즈 2개로 나뉜다. 학습 페이즈는 1,000건으로부터 100만건정도의 대량의 데이터를 입력하고, 서로 답변 맞춤을 하여 틀릴때마다 W1과 W2를 적절한 값으로 수정하는 작업을 일괄적으로 되풀이한다. 이 작업은 8만개의 가중을 수정하기 위해서 7만장의 이미지를 계속 입력하는 셈이어서 정말로 시간이 많이 걸린다. 통상 몇초 부터 길때는며칠 걸리는 것도 있다. 그러나일단 완료 되면 사용할 때는 간단해서 그저 완성된 가중치를 이용해 새로운 입력데이터를 이가중치 네트워크에 통과 시켜주기만 하면된다,. 이 작업은 순식간에 끝난다.

학습페이즈와 예측페이즈 사진 올리기