신경망을 간단한 단어 로 설명해 주 시겠습니까?
답변:
신경망은 일종의 컴퓨팅 시스템입니다. 그것들은 네트워크로 형성된 매우 간단한 처리 노드에서 만들어집니다. 그들은 뇌와 같은 생물학적 시스템이 작동하는 방식에서 영감을 얻었습니다.
기본적으로 패턴 인식 시스템이며 패턴 인식 측면에서 설명 할 수있는 작업에 더 유용합니다. 알려진 출력을 가진 데이터 세트를 공급함으로써 '훈련'됩니다.
예를 들어 고양이 사진이있을 때는 1을, 고양이가 아닌 사진을 볼 때는 0을 출력하도록 네트워크를 훈련 시키려고한다고 상상해보십시오. 당신은 고양이를 통해 많은 고양이 그림을 실행하고 알고리즘이 올바른 응답을 줄 때까지 네트워크 매개 변수를 조정하여 네트워크를 훈련시킬 것입니다. 매개 변수는 일반적으로 각 입력의 이득과 각 노드의 가중치뿐만 아니라 네트워크의 실제 구조 (몇 개의 노드, 몇 개의 레이어, 어떤 상호 연결)인지를 나타냅니다.
고양이 그림을 인식하는 것은 실제로 매우 복잡한 문제이며 복잡한 신경망이 필요합니다 (픽셀 당 하나의 노드로 시작될 수 있음). 신경망을 실험하는 일반적인 출발점은 신경망으로서 AND, OR, NOT 등과 같은 간단한 논리 게이트를 시도하고 구현하는 것입니다.
신경망은 복잡한 결과를 얻는 매우 빠른 방법 일 수 있습니다. 그들은 동물 두뇌의 모델이기 때문에 AI 연구에 매우 흥미 롭습니다.
신경망의 주요 단점 중 하나는 리버스 엔지니어링을하기가 매우 어렵다는 것입니다. 네트워크에서 코끼리의 특정 이미지 하나가 실제로 고양이라고 결정하면 유용한 의미에서 '왜'를 실제로 결정할 수 없습니다. 실제로 할 수있는 일은 네트워크를 더 훈련 / 훈련하는 것입니다.
신경망은 자동 판매기의 코인 / 노트 인식 또는 생산 라인의 결함 발견과 같은 잘 정돈 된 작업에 사용되는 경향이 있습니다.
관심이 있다면 시작하기 가장 좋은 곳은 아마도 초기 신경망 요소 중 하나의 이름 인 Google 'perceptron'입니다.
저는 석사 프로그램에서 인공 지능을 연구하고 신경망을 상당히 많이 사용합니다. 그들은 실제로 매우 유용합니다.
신경망의 문제는 그들의 이름이라고 생각합니다. 이것은 신경망이 실제로 무엇인지 혼동하고, 어떤 사람들은 그들이 정말 멋진 유형의 기능 일 때 두뇌처럼 행동하기를 기대하기 때문에 자신의 장점에 의문을 갖습니다.
신경망을 이해하는 가장 좋은 방법은 이름을 지나는 것입니다. 그것을 두뇌의 모형으로 생각하지 마십시오. 그것의 ... 이것은 1960 년대의 의도가 아니라 2011 년이며, 기계 학습과 분류에 항상 사용됩니다.
신경망은 실제로 수학 함수일뿐입니다. 값으로 구성된 벡터를 입력하면 해당 값에 다른 값을 곱한 값 또는 값으로 구성된 벡터가 출력됩니다. 즉 이 모든 .
주어진 기능 (또는 입력)을 출력 (분류 또는 회귀)에 근사하기위한 알려진 기능이없는 문제 영역에서 매우 유용합니다. 예를 들어 날씨가 날씨입니다. 날씨에 특징, 온도, 움직임, 구름 덮개, 과거 사건 등 많은 기능이 있지만, 지금부터 2 일 동안 날씨가 어떻게 될지 계산하는 방법을 정확히 말할 수있는 사람은 없습니다. 신경망은 기능을 기반으로 날씨 예측에 근사하도록 매개 변수를 쉽게 변경할 수 있도록 구조화 된 기능입니다.
그게 ... 그 기능이고 "학습"에 적합한 멋진 구조를 가지고 있습니다. 지난 5 년 동안의 날씨 데이터는 미래 5 일 동안 매일 2 일 동안 날씨의 특징과 날씨 상태로 완성됩니다. 네트워크 가중치 (가장자리에있는 곱하기 요소)가 임의로 생성되고 데이터가 통과됩니다. 각 예측에 대해 NN은 잘못된 값을 출력합니다. 역전 파와 같은 미적분학 기반 학습 알고리즘을 사용하면 출력 오류 값을 사용하여 네트워크의 모든 가중치를 업데이트 할 수 있습니다. 데이터를 충분히 실행 한 후에는 오류 수준이 가장 낮은 지점에 도달합니다 (더 많은 것이 있지만 여기에 도달하지는 않습니다-가장 중요한 것은 적합 이상입니다). 목표는 오류 수준이 가장 좋은 시점에 학습 알고리즘을 중지하는 것입니다. 그런 다음 네트워크가 고정되고이 시점에서입력 값을 이전 방정식과 마찬가지로 출력 값에 매핑 하는 수학 함수 입니다. 새 데이터를 입력하고 출력 값이 근사치라는 것을 신뢰합니다.
그들이 실패했다고 주장하는 사람들에게는 그렇지 않습니다. 많은 도메인에서 매우 유용합니다. 연구자들이 유전자와 질병 사이의 상관 관계를 어떻게 파악한다고 생각하십니까? NN과 기타 학습 알고리즘은 생물 정보학 및 기타 영역에서 사용됩니다. 그들은 매우 좋은 결과를 만들어내는 것으로 나타났습니다. NASA는 이제 배터리 수명 예측과 같은 우주 정거장 루틴에이를 사용합니다. 어떤 사람들은 벡터 머신 지원 등이 더 낫다고 말할 것입니다 ...하지만 그 증거는 없지만 다른 알고리즘은 더 새로운 것입니다.
신경망이 인간의 뇌보다 훨씬 단순하기 때문에 신경망이 실패한다고 주장하는 것은 너무나 나쁜 일입니다. 신경망은 더 이상 뇌를 모델링하는 데 사용되지 않습니다.
조정 가능한 계수 가중치로 방정식을 작성 (다수의 숫자 입력 및 단일 숫자 출력 제공)하기위한 수학적 체계입니다. 입력과 예상 출력으로 구성된 학습 세트가 주어지면 방정식을 예상 출력에 근사하도록 계수를 조정할 수있는 알고리즘이 있습니다.
그래픽과 함께 가장 간단한 예는 Wikipedia에서 볼 수 있습니다 . 이 예를 XOR이라고합니다.
간단히 말해서, 신경망은 생물학적 신경망을 모방하는 데 실패한 아이디어입니다. 다음과 같은 이유로 흥미로운 결과를 얻지 못했을 것입니다.
(1) Turing-complete 프로그래밍 언어로 수행 할 수있는 작업에 비해 너무 단순합니다.
(2) 생물학적 신경망에 비해 너무 단순하다. 그들은 NN 이론이 만들어 졌을 때 생각했던 것보다 더 복잡한 것으로 판명되었다.
실제 응용 프로그램에서 사용되는 모든 작업에서 신경망이 성공적이라는 주장은 과장된 것입니다.
날 내려 보내줘