딥러닝과 신경망 모델

딥러닝과 신경망 모델

 

글. 오상문 sualchi@daum.net

 

기계학습의 한 (더 발전된) 형태로 딥러닝(Deep Learning)이 있습니다. 딥(Deep)이라는 말에서 뭔가 깊은(?) 분위기가 느껴지지만, 이것은 여러 연속된 층(Layer; 레이어)을 통해 자료를 학습하는 구조를 의미합니다. 그리고 얼마나 많은 계층으로 이루어졌는지를 그 모델의 깊이라고 표현합니다. 그러므로 딥러인은 층 기반 표현 학습(Layered Representations Learning), 계층 표현 학습(Hierarchical Representations Learning)이라고 표현할 수도 있습니다. 딥러닝 모델은 학습을 위해 수십 ~ 수백 개 층을 이용합니다. 이에 비해 아주 적은 수(1~2개)의 층을 이용한 기계학습 방법은 얕은 학습(Shallow Learning)입니다.

 

신경망 모델(Neural Network Model)에서 신경망(Neural Network)은 생물학에서 유래된 말입니다(인공지능을 연구하던 초기 학자들은 생물학적인 두뇌 모델에서 영감을 얻었습니다). 딥러닝에서 여러 층을 이용하여 구성한 모델을 신경망 모델이라고도 부릅니다(딥러닝 층 구조는 일반적으로 신경망 모델을 사용합니다). 다시 말하지만, 신경망 모델에서 신경망은 생물학에서 다루는 신경망과는 전혀 다른 용어이며, 딥러닝을 위한 기술의 일종입니다. 

 

딥러닝을 통해 생성된 여러 층 구조를 원본 자료가 통과하면서(다양한 필터를 이용하여) 정제된 자료로 가공되면서 우리가 원하는 결과로 접근하게 됩니다. 즉, 자료는 깊은 층으로 갈 수록 최종 출력물에 가까운 정보들만 간추리게 됩니다. 

 

"(신경망 기술을 이용한) 딥러닝 모델은

목적하는 데이터 표현(결과물)을 출력하기 위한 다단계 처리 기술이다."

 

<이상>