주요 인공신경망(ANN, DNN, CNN, RNN, AE, GAN, UNET) 개념

지도학습 - ANN, DNN, CNN, RNN

비지도학습 - AE, GAN

고급지도학습 - UNET

​

ANN (Artificial neural network, 인공신경망)

- 두뇌의 신경망을 흉내 낸 인공지능 기술

- 입력 계층, 은닉 계층, 출력 계층으로 구성

- 초기에는 기술적 한계로 은닉 계층을 한 개만 포함하여 주로 총 3개 계층으로 ANN 구성

​

DNN (Deep neural network, 심층신경망)

- 은닉 계층을 여러 개 쌓아서 만든 인공신경망

- 다수의 은익 계층을 사용하는 DNN은 ANN에 비해 더 우수한 성능을 보임

​

CNN (Convolutional neural network, 합성곱신경망)

- 영상 처리에 많이 활용되는 합성곱을 이용하는 기술

- 합성곱에 사용되는 필터들은 학습을 통해 이미지 내의 특징점들을 자동으로 추출하며 이런 과정을 거쳐 기존에 수작업으로 찾던 특징점을 스스로 찾게됨

​

RNN (Recurrent neural network, 순환신경망)

- 계층의 출력이 순환하는 인공신경망

- 재귀를 이용해 자기 계층의 출력 정보를 입력 신호로 다시 사용해 신경망의 성능을 높임

- 문자열, 음성 등 시계열 정보의 예측에 활용

​

AE (Autoencoder, 오토인코더)

- 비지도학습 인공신경망 (비지도학습은 레이블 정보가 없는 데이터의 특성을 분석하거나 추출하는 데 사용)

- 입력 데이터의 특징점을 효율적으로 찾음

​

GAN (Generative adversarial network, 생성적 적대 신경망)

- 경쟁을 통한 최적화를 수행하는 생성적 인공신경망

- GAN 내부의 두 인공신경망이 상호 경쟁하면서 학습 진행

- 두 신경망 중 하나는 생성망이고 나머지 하나는 판별망

- 차원 정보만 이용해 고차원으로 복원해 나감

​

UNET (유넷)

- 저차원과 고차원 정보를 모두 사용하여 이미지의 경계를 비롯한 특징을 추출하는 인공신경망

- AE와 달리 고차원 특징점도 함께 이용해 디코딩을 진행해 이미지 특징 추출에 용이

​

​

====================================================================

​

각 신경망에 대한 자세한 내용은 앞으로 하나씩 포스팅 예정 :D

​

​

.

.

.

.

.

​

​

Reperence

- 코딩셰프의 3분 딥러닝 케라스맛, 김성진 지음, 한빛미디어

​