신경망분석

상

신경망분석

[정의] 인간두뇌 세포를 모방한 개념으로 뉴런들의 상호작용하고 경험을 통해 배우는 생물학적 활동을 반복적인 학습과정으로 모형화하는 분석 기법 [구성요소] 입력층, 은닉층, 출력층, 활성화 함수, 가중치 [학습유형] 지도학습, 비지도학습, 자기지도학습

Machine Learning, Deep learning

토픽 이름 (상)	신경망(Neural Network)
분류	AL > 기계학습 알고리즘 > 신경망
키워드(암기)	구조(입력층, 은닉층, 출력층, 활성화함수, 가중치) 학습유형(지도학습, 자율학습)
암기법(해당경우)

 

기출문제

번호	문제	회차
1	2. 인공신경망의 오류 역전파(Backpropagation) 알고리즘	119-응용-1
2	4. 시계열분석에 관한 다음 사항에 대하여 답하시오. 가. 시계열분석의 정상성(Stationary) 나. 시계열모형의 유형(자기상관 모형, 이동평균 모형, 자기회귀누적이동평균 모형) 다. 빅데이터의 시계열자료 분석을 위한 심층신경망 기법	114-관리-3
3	6. 인공 신경망의 가장 단순한 형태인 퍼셉트론(perceptron)의 구조와 활성화 함수(activation function)에 대하여 설명하고, 단층 퍼셉트론으로는 Exclusive-OR 연산을 학습할 수 없는 이유를 설명하시오.	113-관리-2-6
4	2. 데이터 마이닝을 위한 신경망(Neural Network) 분석에 대하여 설명하시오.	102-관리-3-
6	6. 신경망에서는 뉴런 사이 정보 전달 과정에 작용하는 최적의 가중치를 알아내는 과정이 중요하다. 이와 관련된 다음 개념에 대하여 설명하시오. 가. 역전파 알고리즘(Backpropagation)과 경사감소법(Gradient Descent) 나. 경사감소소멸(Vanishing Gradient Descent) 다. 과적합(Overfitting)	KPC-75-관리-3-5
7	4. 다음의 데이터 마이닝 기법에 대해 설명하시오. 가. 연관규칙탐사 나. 신경망 다. K-means Clustering	KPC-72-응용-4-4
8	5. 기계학습의 있어 다음 사항에 대해 설명하시오 가. 기계학습의 유형 나. 인공신경망 다. 딥러닝 모델 및 적용사례	KPC-69-응용-4-5
9	1. 인공신경망(ANN, Artificial Neural Network)은 인간이 뇌를 통해 문제를 해결하는 방식과 동일한 방식을 컴퓨터에서 채택한 기계학습 알고리즘이다. 인공신경망의 동작원리를 성명하고 활성화 함수(Activation Function)를 두 가지 이상 설명하시오.	KPC-46-관리-4-1

 

I. 인간두뇌 세포를 모방한 의사결정 및 상황판단 기술, 신경망 분석의 개요

가. 신경망 분석 or 인공신경망(Artificial Neural Network) 의 정의

- 인간두뇌 세포를 모방한 개념으로 뉴런들의 상호작용하고 경험을 통해 배우는 생물학적 활동을 반복적인 학습과정으로 모형화하는 분석 기법

- 기계학습 그리고 인지과학에서의 인공신경망(人工神經網, artificial neural network 아티피셜 뉴럴 네트워크)은 생물학의 신경망(동물의 중추신경계, 특히 뇌)에서 영감을 얻은 통계학적 학습 알고리즘

- 인공신경망은 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)이 학습을 통해 시냅스의 결합 세기를 변화시켜, 문제 해결

나. 신경망 분석의 특징

 

II. 신경망 분석 방법

가. 신경망분석 구성도

나. 신경망 분석 구성요소

구분	주요내용
입력층	- 학습을 위한 기초데이터 입력계층(Input Layer)
출력층	- 학습을 통해 도출된 결과값을 출력하는 계층(Output Layer)
은닉층	- 다중신경회로망에서 입력층과 출력층 사이에 존재 - 정보를 전파, 학습, 활성화(Hidden Layer)
전달(활성화)함수	- 임계값을 이용 뉴런의 활성화 여부를 결정하기 위해 사용되는 함수
가중치(연결강도)	- 활성화 함수의 입력값으로 사용되는 뉴런간의 연결계수

III. 신경망 분석 학습유형

입력형태	학습방법	신경망 모델
디지털 입력	지도학습	- Hopfield network [참고] 지도 학습 (영어: Supervised Learning)은 훈련 데이터(Training Data)로부터 하나의 함수를 유추해내기 위한 기계학습 (Machine Learning)의 한 방법 , 지도학습기(Supervised Learner)가 하는 작업은 훈련 데이터로부터 주어진 데이터에 대해 예측하고자 하는 값을 올바로 추측해내는 것
	자율학습	- Art model 자율 학습(Unsupervised Learning)은데이터가 어떻게 구성되었는지를 알아내는 문제의 범주에 속한다. 이 방법은 지도 학습 (Supervised Learning) 혹은 강화학습 (Reinforcement Learning)과는 달리 입력값에 대한 목표치가 주어지지 않는다. 자율 학습은 데이터의 주요 특징을 요약하고 설명할 수 있다. 자율 학습의 예로는 클러스터링(Clustering)을 들 수 있다. 또 다른 하나의 예로는 독립 성분 분석(Independent Component Analysis)이 있다.
	지도/자율학습 결합	- Carpenter network 준 지도 학습(영어: Semi-Supervised Learning)이란 기계 학습(Machine Learning)의 한 범주로 목표값이 표시된 데이터와 표시되지 않은 데이터를 모두 훈련에 사용하는 것을 말한다. 대개의 경우 이러한 방법에 사용되는 훈련 데이터는 목표값이 표시된 데이터가 적고 표시되지 않은 데이터를 많이 갖고 있다.
아날로그 입력	지도학습	Perceptron, multilayer perceptron
	자율학습	Competitive learning, self-organization map(SOM)