인공 신경망[ 구조 ]

인공신경망(Artificial Neural Network, ANN)

딥러닝에서 가장 기본이 되는 개념은 바로 신경망(Neural Network)입니다.

신경망이란 인간의 뇌가 가지는 생물학적 특성 중 뉴런의 연결 구조를 가리키며, 이러한 신경망을 본떠 만든 네트워크 구조를 인공신경망(Artificial Neural Network, ANN)이라고 부릅니다.

인간의 뇌에는 약 1,000억 개의 수많은 뉴런 즉 신경세포가 존재하며, 하나의 뉴런은 다른 뉴런에게서 신호를 받고 또 다른 뉴런에게 신호를 전달하는 단순한 역할만을 수행합니다. 하지만 인간의 뇌는 이러한 수많은 뉴런이 모여 만든 신호의 흐름을 기반으로 다양한 사고를 할 수 있게 되며, 이것을 컴퓨터로 구현하도록 노력한 것이 바로 인공신경망입니다

 

입력계층 ( Input Layer )

• 입력 계층은 아무런 연산도 이러나지 않는다

• 신경망의 입력을 받아서 다음 계층으로 넘기는 역활

• 계층의 크기 = Node의 개수 = 입력 Scalar의 수 = 입력 Vector의 길이

   

은닉계층 ( Hidden Layer )

• 은닉 계층은 입력 계층과 연결된 전결합 계층이다.
• 입출력 관점에서 볼 때 드러나지 않는다고 하여 은닉 계층이라 한다
• 복잡한 문제를 해결할 수 있게 하는 핵심적인 계층
• 얕은 신경망의 경우 1개의 은닉 계층만을 사용

출력계층( Output Layer)

• 출력계층은 은닉 계층 다음에 오는 전결합 계층이다.
• 신경망의 외부로 출력 신호를 전달하는 데에 사용된다.
• 신경망의 기능은 출력 계층의 활성 함수에 의 해 결정된다.
• 출력 계층의 크기 = 출력의 Scalar 수 = 출력 벡터의 길이