인공 신경망(ANN)

인공 신경망이란 무엇입니까?

인공 신경망(Artificial Neural Network, ANN)은 사람의 뇌 속 뉴런의 작용을 본떠 패턴을 구성한 컴퓨팅 시스템의 일종입니다.

인공 신경망은 어떻게 작동합니까?

인공 신경망(ANN)은 가중치를 적용한 방향성 그래프라고 보면 가장 적당합니다. 이를 보통 여러 계층으로 구조화합니다. 이러한 계층에는 사람의 뇌 속에 있는 생물학적 뉴런을 모방한 수많은 노드가 있고, 이들이 서로 연결되어 있으며 활성화 함수를 내포합니다. 첫 계층에서는 외부 세상에서 유입된 원시(미가공) 입력 신호가 수신됩니다. 마치 사람이 시각 정보를 처리할 때 시신경을 사용하는 것과 비슷합니다. 이후의 연이은 계층은 각각 앞선 계층에서 보낸 출력을 받는데, 이것은 시신경에서 멀리 떨어진 뉴런이 가장 가까운 곳에 있는 시신경에서 신호를 수신하는 것과 비슷합니다. 각 노드의 출력을 그 노드의 활성화 또는 노드 값이라고 합니다. 마지막 계층에서 시스템의 출력을 도출합니다. ANN은 사실 학습할 줄 아는 수학적 모델입니다. 따라서 그간 ANN을 사용하여 기존 데이터 분석 기술을 보강할 수 있었습니다. ANN은 인공지능(AI), 머신 러닝(ML)과 딥러닝에서 중대한 발전을 이뤄낼 수 있었던 원인 중 하나입니다.

퍼셉트론 인공 신경망

퍼셉트론(Perceptron)은 가장 단순한 유형의 인공 신경망입니다. 이런 유형의 네트워크는 대개 이진법 예측을 하는 데 쓰입니다. 퍼셉트론은 데이터를 선형적으로 분리할 수 있는 경우에만 효과가 있습니다.

다층 인공 신경망

완전히 연결된 다층 신경망을 다층 퍼셉트론(Multilayer Perceptron, MLP)이라고도 합니다. 이 유형의 인공 신경망은 하나 이상의 인공 뉴런이나 노드 계층으로 이루어져 있습니다(예를 들어 컨볼루셔널 신경망(Convolutional Neural Network)이나 순환 신경망(Recurrent Neural Network) 등). 다층 ANN은 복잡한 분류나 회귀 작업을 해결하는 데 쓰입니다. 가장 보편적인 모델은 3층 완전 연결형 오차역전파법(backpropagation) 모델입니다. 첫 번째 계층은 입력 뉴런으로 구성되어 있어 이것이 두 번째 계층으로 데이터를 보내고, 그러면 두 번째 계층이 출력 뉴런을 세 번째 계층으로 보냅니다.이외에 인공 신경망(ANN) 토폴로지는 두 가지가 있습니다. FeedForward와 Feedback입니다.

FeedForward 인공 신경망

이 ANN에서는 정보의 흐름에 방향성이 없습니다. 정보는 한 방향, 전방으로만 이동하며 피드백 루프를 만들지 않습니다.  정보는 맨 먼저 입력 노드를 통과하고, 다음으로 숨겨진 노드(있는 경우)를 통과한 다음 마지막으로 출력 노드를 통과하게 됩니다.

FeedBack 인공 신경망

이 경우, 네트워크에 속한 여러 뉴런 사이에 본질적인 피드백 연결이 존재합니다. 여기에서는 피드백 루프가 허용됩니다.