#6 - Convolutional Neural Network (CNN)

순서가 중요한 학습

• 언어나 음성 데이터는 순서가 학습에 중요한 파라미터가 된다.
• 단위 데이터를 순차적으로 연산하는 방법으로 학습이 필요하다.
• 이 과정에서 앞선 연산 결과가 다음 연산 결과에 영향을 주어야만 한다.

Recurrent Neural Network(RNN)

• 순환 신경망이라고도 한다.
• RNN에서는 출력층으로만 연산 결과가 모두 전달되는 것이 아닌, 다음 연산의 입력으로도 일부가 전달된다.
• Simple RNN에서는 출력층에서 hidden state를 통해 다음 연산에 동작하는 노드로 연산결과의 일부를 전달한다.
• 다음 연산에서는 hidden state를 고려한 연산을 하여 순서에 따른 학습이 가능하게 된다.

Diminishing Gradient

LSTM

GRU

Sequence & Vector

KoNLPy

결론

• Convolutional Layer를 사용하여 이미지를 분석하는데 사용하자
• Convolutional Layer는 kernel를 통해 feature extraction 하게 한다.
• Convolutional Layerd와 Pooling Layer를 함께 사용하면 translation invariance 의 장점을 가진다.
• 일반적인 CNN구성법
  1. Image Input
  2. Filters
  3. Convolution Layers
  4. Pooling
  5. Flattening
  6. Output
• 다음 포스트에서는 실제로 Tensorflow를 사용하여 학습해보겠습니다.

😺 오타나 논리적 오류 지적은 언제든지 환영합니다!😺   
항상 읽어주셔서 감사합니다~ 🙏