딥러닝: Deep Neural Network (DNN), Convolutional Neural Network (CNN), Recurrent Neural Network (RNN)

딥러닝 (Deep Learning)

이미지 인식, 자연어 처리, 음성 인식 등
인공 신경망을 여러 층(layer)으로 쌓아서 구성한 모델

다층 구조로 인해 복잡한 데이터 패턴을 자동으로 학습

특성 추출 과정에서 사람의 개입을 최소화하고 데이터로부터 필요한 특징을 자동으로 학습

 

 

 

Deep Neural Network (DNN)

기본적인 인공신경망(ANN)보다 더 깊고 복잡함, 여러 개의 은닉층(hidden layer)을 추가하여 깊은 구조를 가짐.

이미지 분류, 텍스트 분류, 회귀 등 다양한 문제에 적용

입력층(input layer), 은닉층(hidden layers), 출력층(output layer)으로 구성되어 각 층은 뉴런(neuron)으로 이루어져 있고, 인접한 층의 모든 뉴런들은 연결되어 있다.

 

 

Convolutional Neural Network (CNN)

이미지의 특성을 자동으로 추출하고 분류하는 데 강력한 성능

이미지 인식, 객체 감지, 얼굴 인식 등의 분야에서 널리 사용

합성곱층(convolutional layer), 풀링층(pooling layer), 완전 연결층(fully connected layer)으로 구성

합성곱층과 풀링층은 이미지의 공간적 정보를 보존하면서 특성을 추출하고, 완전 연결층은 최종 분류를 수행한다.

 

 

Recurrent Neural Network (RNN)

순차적인 데이터(시계열 데이터, 자연어 등)를 처리하는 데 특화된 네트워크

자연어 처리(NLP), 시계열 예측, 기계 번역 등의 분야에서 주로 사용

이전의 상태를 기억하고 현재 입력과 결합하여 출력을 생성

순환층(recurrent layer)과 시간 단계별로 반복되는 구조로 각 시간 단계에서는 입력과 이전 상태를 받아 새로운 상태를 출력한다.