딥러닝의 종류와 개념

http://infornet.korea.ac.kr/gb/bbs/research_page.php

 

 

 

 

1. CNN

https://gfycat.com/ko/smoggylittleflickertailsquirrel-machine-learning-neural-networks-mnist

 

• Convolutional Neural Network, 합성곱 신경망
• 인간의 시신경 구조를 모방한 기술
• 1989년 LeCun이 발표한 논문에서 처음 소개가 되었으며, 필기체 zip code 인식을 위한 프로젝트를 통해 개발이 되었다. 
• 2012년 Image Net 대회에서 기존의 모든 알고리즘을 압도하는 성능으로 1등을 차지함. 
• 이미지를 인식하기위해 패턴을 찾는데 특히 유용하다.
• 데이터를 직접 학습하고 패턴을 사용해 이미지를 분류한다.
• 자율주행자동차, 얼굴인식과 같은 객체인식이나 computer vision이 필요한 분야에 많이 사용되고 있다.
• 이미지의 공간정보를 유지한채 학습을 하게하는 모델

 

 

 

2. RNN

https://mc.ai/illustrated-guide-to-recurrent-neural-networks/

 

• Recurrent Neural Network, 순환신경망
• 순차적 정보가 담긴 데이터에서 규칙적인 패턴을 인식하고 추상화된 정보를 추출할 수 있다.
• 텍스트, 음성, 음악, 영상 등 순차적 데이터를 다루는데 적합하다.
• 베니싱 그레디언트 문제가 있어 패턴 학습을 못하는 경우가 있다.
• 이를 개선하기 위해 LSTM(Long Short Term Memory)가 개발되었다.
• LSTM으로 RNN문제가 어느정도 해결되어 자동 작곡, 작사, 저술, 주가 예측 등 다양한 분야에 적용되고 있다.
• 1회의 데이터가 아니라 과거의 데이터도 학습에 이용하는 방식
• 순서를 가지는 정보(sequence)에 사용

 

 

 

3. GAN

https://gfycat.com/ko/alertmeatybooby

 

• Generative Adversarial Network, 생성 대립 신경망 
• 비지도 학습 방법으로 학습된 패턴을 이용해 이미지나 음성을 생성할 수 있다.
• DCGAN(Deep Convolution GAN)은 불안정한 GAN 구조를 개선해 새로운 의미를 가진 이미지를 생성할 수 있다.

 

 

 

4. RL

https://gfycat.com/ko/amazingdelectablefrenchbulldog

 

• Reinforcement Learning, 강화학습
• 행동심리학에서 영감을 받았다.
• 어떤 환경 안에서 정의된 에이전트가 현재의 상태를 인식하여 선택 가능한 행동들 중 보상을 최대화하는 행동 혹은 생동 순서를 선택하는 방법
• 구글의 딥마인드에서 개발한 관계형 네트워크는 관계형 추론을 지원한다.
• 물리적 사물, 문장, 추상적인 아이디어들 사이에 관계를 파악해, 논리적 추론을 할 수 있다.

출처  : https://truman.tistory.com/170