딥러닝 개론 비스무리

반병현 수학,통계를 몰라도 이해할 수 있는 쉬운 딥러닝

 

읽을 수록 느끼는것.

제대로 하려면 인터넷에서 찾아서, 공부해서 할수 있는 수준을 넘어선 듯.

수학과 통계를 전공수준으로 공부하는 것이 필요할듯.

거슬러 올라가보면, 딥러닝기술 자체도,

통계학의 한 도구로 시작된 것.

 

베이즈정리 : 사후확률을 추론하는 기법

베이즈통계학

즉, 선구자들에 의해 학문이 먼저였고,

 

이후 기술의 발전으로 인해, 해당 학문을 구현/테스트 해볼 수 있는 도구가 생겨난것.

즉, 올라가다가 보면 통계학적 고찰에 도달할 듯.

 

서론이 길었음.

 

딥러닝은 인간 뇌의 뉴런의 구조를 흉내내서 구현함.

뉴런 1개의 구조를 모방한게 아니라,

신경세포 전체의 메커니즘을 모방함.

아래 퍼셉트론 모델이 다층으로 쌓아 올려져서 사용된다.

다층 퍼셉트론

 

뉴런 1개의 구조

입력부	세포체, 핵, 수상돌기 N개
출력부	축삭말단에서 화학물질로 분비되어 전달됨

 

 

퍼셉트론 모델 = 뉴런 모방

최초 입력데이터는 N개

각 입력데이터마다 어떤 가중치를 곱한다(랜덤숫자)

결과값들을 합하여, 입력 --> 함수 ---> 출력

 

가중치는

뉴런들은 서로서로 얽히고 섫히고 그물구조임.

즉, 어느 시작점 끝점들의 구간중에

뉴런의 개수가 다양함.

뉴런의 개수가 많은 구간은  중요하게 처리할 데이터가 있을 수 있기 때문에, 가중치를 준다.

 이정도

신경의 다발개수, 신경의 활성정도, 연결정도 등 다양하다함.

 

처음에는 가중치를 랜덤값으로 하고,

결과를 봐가면서, 가중치를 수정해 나감

역전파알고리즘을 적용해 나간다네. 뭔지 모르겠음.

 

다시. 다층 퍼셉트론은 수직으로 쌓아올린 것이 아니고,

입력부

은닉층 퍼셉트론

출력층 퍼셉트론

단계별로 1대1 이 아니라, 엄청나게 연결 많은 그물망처럼 이ㅣㅁ.

 

딥러닝 : 엄청나게 많은 퍼셉트론을 서로 복잡하게 이어 붙인 모델임

 

이걸 쉽게 구동하게 해주는 것이 텐서플로

다층 퍼셉트론을 몇 레이어로 하고 싶은지 숫자만지정해주면 됨

입력층 12, 은닉층 128, 출력 16

 

From tensorflow import keras

Graph = keras.Sequential(

 keras.layers.Dense(128),

 keras.layers.Dense(128),

 keras.layers.Dense(16),

 

좋은세상이네

 

 

추가로

결과적으로 딥러닝모델은 성공적이었음.

분산이 크고, 편향이낮은장점이있어서

현실세계의 복잡 인과관계, 대량의 데이터문제를

효율적으로해결해줌.