[python/딥러닝] ANN, DNN, CNN, RNN, GAN 정리

 

1. ANN ( Artificial Neural Network ) : 인공 신경망

---

- 사람의 신경망 원리와 구조를 모방하여 만든 기계학습 알고리즘

신호,자극 : input data
임계값 : weight(가중치)
행동 : output
-> 신호, 자극 등을 받고 임계값을 넘어서면 결과 신호를 전달하여 행동함

문제점

1. 학습 과정에서 최적의 파라미터 값을 찾기 어려움
2. 과적합(Overfittting) 문제
3. 느린 학습시간

 

2. DNN (Deep Neural Network)  : 심층 신경망

---

• 사람의 신경망 원리와 구조를 모방하여 만든 기계학습 알고리즘
• 은닉층을 2개 이상으로 많이 늘려 학습 결과를 향상 시키는 방법 ( ANN보완 )
• 많은 데이터와 반복학습, 사전 학습과 오류역전파 기법을 통해 널리 사용됨

 

3. CNN ( Convolution Neural Network) : 합성곱 신경망

---

• 데이터의 특징을 추출하여 특징들의 패턴을 파악하는 구조, DNN을 응용한 알고리즘
• 입력 이미지에 Convolution kernel을 적용하여 특징맵(feature map) 생성
• Convolution 과정과 Pooling 과정을 통해 진행되며 이 둘 layer를 복합적으로 사용하여 알고리즘을 구성한다.
• Convolution : 특징을 추출
• Pooling : Convolution 과정을 거친 레이어의 사이즈를 줄여주는 과정
• ex) 알파고

 

4. RNN ( Recurrent Neural Network) : 순환 신경망

---

• 반복적이고 순차적인 데이터(Sequential data) 학습에 특화된 인공신경망의 한 종류
• 내부에 순환구조가 포함되어 자연어 처리 분야에서 성능이 좋음
• 현재의 학습과 과거의 학습 연결을 가능하게 하며 시간에 종속된다는 특징이 있다
• 대표적으로 LSTM(Long Short Term memory) 모형이 있다.
• ex) 파파고, 주식 예측 등

 

5. GAN (Generative Adversarial Network) : 생산적 적대 신경망

---

Generative : 생상하는 -> 이미지를 생성한다 라는 의미
Adversarial : 적대적인 -> 경쟁하며 좋은 품질을 만든다

서로 경쟁하면서 가짜 이미지와 진짜 이미지를 최대한 비슷하게 만들어 내도록 하는 신경망 (생성모델)