인공 신경망 (Artificial Neural Network) 알아보기

안녕하세요. 테크플랫폼부 이지성 과장입니다.

2021년의 첫 포스팅입니다. ^^;

 

오늘은 인공 신경망, Artificial Neural Network에 대해서 알아보겠습니다.

 

인간의 뇌에는 많은 신경세포, 즉 뉴런(neuron)이 있다고 합니다.

간단히 말해서, 인간의 뇌에서 의사결정이 이루어 지는 과정, 인간의 뇌에 존재하고 있는 많은 신경세포들 즉, 뉴런을 통해 서로 상호작용하고, 이것을 기반으로 의사결정을 이루어지는 과정 자체를 모형화 한 것이 인공신경망, ANN 인 것입니다.

 

먼저 두뇌가 동작하는 방식을 설명드리면 아래 왼쪽 그림과 같습니다.

각각의 뉴런은 수상돌기(Dendrite)를 통하여 다른 뉴런으로부터 신호를 입력받아 (input) 축색돌기 (Axon)를 통해 다른 뉴런으로 신호를 내보내며, 출력 신호(output)는 입력된 신호가 모여 서 일정한 용량을 넘어설 때 일어나게 됩니다. 결국, input 값을 뉴런을 통해 입력받아, 다른 뉴런과의 상호작용을 통해, 학습을 통해 output을 도출해내는 과정을 두뇌의 동작방식으로 인식하였고, 이를 도식화 하면 위 오른쪽 그림과 같습니다.

 

인공신경망의 학습원리는 위 그림의 오른쪽과 같이 변수를 입력하면 입력(input) 층에서 각각의 입력변수 x의 값을 가진 노드들이 임의의 값을 갖는 가중치 w와 결합하여 새로운 노드를 생성하게 되는 원리로 학습이 진행됩니다. 이때 입력 변수 x와 가중치 w이 결합한 값에 편향 값을 뜻하는 bias가 더해져 활성화 함수와 결합하게 되며, 이러한 과정을 모두 거친 최종 값이 다음 노드로 출력(output)됩니다. 

 

이 ANN의 장점은 모델을 제시하고 훈련시키는 과정을 기계가 '인공 신경망'을 통해 직접 하는 것 입니다.

ANN은 아래와 같이 크게 input layer / hidden layer / output layer 로 3개의 layer로 구성되어 있는데, 각각의 역할은 아래와 같습니다.

 

 

구분	내용	특징
입력계층 (Input layer)	학습을 위한 기초데이터 입력 계층	입력자료 시스템 전송
은닉계층 (Hidden layer)	반복 학습, 연산 작용 및 상태 저장	가중치와 활성화 함수에 대응
출력계층 (Output layer)	학습을 통해 도출된 결과값을 출력	학습된 데이터 저장

 

특히, 인공 신경망은 이미지 처리에 최적화 되어 있습니다. 아래 그림처럼 고양이 사진 수만 장을 인공 신경망의 input 값으로 넣고,  이것을 스스로 인공신경망을 통한 학습을 통해 고양이 사진의 특징을 알아내고, 고양이 사진인지 아닌지 판단시킬 수 있습니다.

 

 

출처: 현대자동차 그룹

 

다음 시간에는 인공신경망에 대해서 조금 더 디테일하게 알아보고, 어떤 분야에 주로 쓰이는지 더 알아보도록 하겠습니다. 

 

회사 블라인드나, 자유토론방을 보면 회사에 대한 내용으로 참 어지러움을 많이 느낍니다. 이럴 때일 수록 "신뢰"의 중요 성에 대해서 다시 한번 생각하게 됩니다. 신뢰가 무엇인지, 나는 신뢰를 받을 만한 사람인지, 나는 또 누구를 신뢰하고 있는지 다시 한번 생각해보시는 2월 되시기 바랍니다. 감사합니다.