[ AI 빅데이터 ] 딥러닝 알고리즘의 구조와 동작

딥러닝 기반의 알고리즘 3가지 모델

> FNN (Feedforward Neural Network)

> CNN (Convolutional Neural Network)

> RNN (Recurrent Neural Network)

 

 

딥러닝 연산은 CPU보다 GPU가 연산에 훨씬 유리한 환경을 가짐.

 

FNN방식으로 AI 개발

픽셀 이미지로 숫자를 찾아내는 AI를 개발한다고 했을 때,

> 픽셀수를 입력 노드로 넣고 출력되는 명암을 출력 노드로 설정

화살표마다 다른 가중치를 적용

 

CNN방식으로 AI 개발

일반 이미지를 픽셀 수를 입력 노드로 사용할 경우 케이스가 너무 많기 때문에,

FNN 방식이 적합하지 않을 수 있음.

이럴 때 근처에 모여 있는 픽셀 정보만으로 특징을 추출하는 CNN 방식이 적합.

 

RNN방식으로 AI 개발

문자열 같은 경우 연속적인 정보가 등장하는데

FNN이나 CNN 방식의 경우 연속으로 발생하는 데이터를 직접적으로 처리하기 힘든 구조

이럴 때 순서가 유의미한 데이터를 처리하기 위하여 FNN을 순환하는 구조의 RNN방식을 사용

화살표마다 동일한 가중치를 적용하고 순환 연산을 통해, 학습시간을 크게 감소시킬 수 있는 RNN 모델

 

특히, 사람도 본인의 경험과 기억을 되돌아 보듯이, Deep Learning 에서도 활용할 수 있는 장점이 존재