﻿심층 기계 학습,딥러닝, 深層機械學習, Deep learning

심층 기계 학습,딥러닝,深層機械學習, Deep learning

동의어 : 딥러닝

일반적인기계 학습모델보다 더 깊은 신경망계층 구조를 이용하는기계 학습.

주로 여러 개의 은닉층(hidden layer)으로 구성된인공 신경망을 활용한다.

은닉층 수가 많아질수록 ‘깊다(deep)’라고 표현하며,

깊은계층 구조는 얕은 구조에 비해 복잡한 함수를 표현할 수 있다.

이러한 구조는 인간 뇌의신경 회로망을 모사한 것이다.

심층 기계 학습(deep learning)은 문제를 해결하기 위해 스스로

필요한 특징을 찾아 적절하게 표현(featurerepresentation)하는

학습 능력이 뛰어나 사진에서 개체 인식,기계 번역, 바둑 등의 분야에서 뛰어난 성능을 보인다.

심층 기계 학습(deep learning)은 다양한 심층 신경망(DNN: DeepNeural Network)을 활용한다.

그 중에서도 콘볼루션 신경망(CNN: ConvolutionalNeural Network),

심층 순환 신경망(deep recurrent neural network),

심층 오토인코더(deep autoencoder) 등이 대표적이다.

심층 기계 학습(deep learning)은 1980년대인공 신경망연구가

다시 활성화되면서 시도되었으나, 1990년대에 제안된 심층 콘볼루션

신경망을 제외하고는 성공을 거두지 못하였다.

2006년 제프리 힌튼(Geoffrey Hinton)은 심층 신념망(deep belief network)의

학습 알고리즘을 제안하였다. 이후컴퓨터 하드웨어가 발달하고

효율적인 학습 방법을 개발하면서빅 데이터를 바탕으로 한 다양한

심층 기계 학습 모델들을 개발하여 사용하고 있다.

심층 기계 학습(deep learning)은 컴퓨터 비전,패턴 인식,

자연어 처리를 비롯한 다양한 분야에서 사용한다.

출처: TTA 한국정보통신기술협회 제공

게시물 댓글 0개

상세페이지