neural network -신경망 구조의 필요성

출처: machine learning by andrew ng, stanford cousera lecture

수강일시: 2021.01.28

 

reminder-by-kwan.tistory.com/85?category=962582

machine learning - Andrew Ng, Stanford(coursera)

 

이번장에서는 신경망구조의 필요성과 연구의 시작점에대해 고민해보도록 하겠습니다.

 

다양한 머신러닝 문제에서 결과값에 영향을 주는 feature의 갯수는 매우 많다.

예를들어 이전에 고민해봤던 주택가격의 문제에 대해서 생각해본다면 주택의 크기, 방의갯수, 층수부터 판매자의 나이, 인테리어 유무, 지하철유무, 학교근접성, 직주근접성등 매우 많은 요소들의 결합으로 집값이 결정된다.

 

만약 특정한 주택이 6개월내에 팔리는가에 대한 classification문제가 주어진다면 1차결합만으로 이루어진 함수로 구성하여도 100가지의 feature가 있다면 약 5000개의 feature가 만들어진다. 만약 결합의 차원수가 증가한다면 훨씬 많은양의 계산이 필요해진다.

다음으로 vision 문제를 확인해보자.

차를 인식하는 프로그램을 만들고자 할때 두 픽셀의 밝기의 연관성을 classification하여 차임을 밝히려고 한다면 

흑백의 50x50 pixel의 아주아주 작은 이미지에도 2500개의 feature가 있고 quaratic feature의 갯수는

3백만개가 된다. 즉 일반적인 계산량이 너무 많아지게 된다.

 

따라서 기존의 방법과 다른 방식으로 계산량을 줄이고자 한다.

이 방식은 뇌의 뉴론을 모방한 방식이라고해 neural network라고 부르기 시작하였다.

 

청각을 담당하는 피질에 귀와의 연결을 끊고 눈을 연결한다면 해당피질이 보는것을 담당한다는 연구 결과는 neural network의 가능성을 보여준다.

즉 뇌를 한가지 일들을 잘하는 여러 조직들의 조합이 아닌 global processing unit으로 볼 수 있다는것이다.

아래는 이와 관련된 다양한 연구이다.

따라서 뇌를 따라할 수 있다면 한가지 방식 즉 neural network만으로 다양한 기계학습을 가능하도록 한다는 것이 이 장의 핵심이다.

다음 lecture note는 실제 이 방식이 어떻게 이루어지는지 배우도록 하겠습니다.

reminder-by-kwan.tistory.com/96

neural network - 신경망 모델