RomanNum3ral
/
AI-For-Beginners
mirror of https://github.com/microsoft/AI-For-Beginners.git
1
0
Fork 0
Code Issues Packages Projects Releases Wiki Activity
AI-For-Beginners/translations/ko/lessons/3-NeuralNetworks
History
leestott b9c43e4edf 🌐 Update translations via Co-op Translator 2025-08-31 14:13:46 +00:00
..
03-Perceptron 🌐 Update translations via Co-op Translator 2025-08-31 14:13:46 +00:00
04-OwnFramework 🌐 Update translations via Co-op Translator 2025-08-31 14:13:46 +00:00
05-Frameworks 🌐 Update translations via Co-op Translator 2025-08-31 14:13:46 +00:00
README.md 🌐 Update translations via Co-op Translator 2025-08-24 22:28:16 +00:00

README.md

신경망 소개

신경망 소개 내용을 요약한 그림

서론에서 논의했듯이, 지능을 구현하는 방법 중 하나는 컴퓨터 모델 또는 인공 두뇌를 훈련시키는 것입니다. 20세기 중반부터 연구자들은 다양한 수학적 모델을 시도해 왔으며, 최근 몇 년 동안 이 방향이 매우 성공적임이 입증되었습니다. 이러한 두뇌의 수학적 모델을 신경망이라고 합니다.

때때로 신경망은 인공 신경망 또는 ANNs라고 불리며, 이는 우리가 실제 뉴런 네트워크가 아닌 모델에 대해 이야기하고 있음을 나타냅니다.

머신러닝

신경망은 머신러닝이라는 더 큰 학문 분야의 일부로, 이 분야의 목표는 데이터를 사용하여 문제를 해결할 수 있는 컴퓨터 모델을 훈련시키는 것입니다. 머신러닝은 인공지능의 큰 부분을 차지하지만, 이 커리큘럼에서는 고전적인 머신러닝에 대해 다루지 않습니다.

고전적인 머신러닝에 대해 더 배우고 싶다면, 별도의 Machine Learning for Beginners 커리큘럼을 방문하세요.

머신러닝에서는 X라는 예제 데이터셋과 이에 대응하는 출력 값 Y가 있다고 가정합니다. 예제는 종종 특징으로 구성된 N차원 벡터이며, 출력은 레이블이라고 불립니다.

우리는 머신러닝에서 가장 일반적인 두 가지 문제를 고려할 것입니다:

  • 분류: 입력 객체를 두 개 이상의 클래스 중 하나로 분류해야 하는 문제.
  • 회귀: 각 입력 샘플에 대해 숫자 값을 예측해야 하는 문제.

입력과 출력을 텐서로 표현할 때, 입력 데이터셋은 M×N 크기의 행렬이며, 여기서 M은 샘플 수, N은 특징 수입니다. 출력 레이블 Y는 크기가 M인 벡터입니다.

이 커리큘럼에서는 신경망 모델에만 초점을 맞출 것입니다.

뉴런의 모델

생물학에서 우리는 뇌가 신경 세포로 구성되어 있으며, 각 세포는 여러 "입력"(축삭)과 하나의 출력(수상돌기)을 가지고 있음을 알고 있습니다. 축삭과 수상돌기는 전기 신호를 전달할 수 있으며, 축삭과 수상돌기 사이의 연결은 전도도의 정도가 다를 수 있습니다(신경전달물질에 의해 제어됨).

뉴런의 모델 뉴런의 모델
실제 뉴런 (이미지 - 위키백과) 인공 뉴런 (작성자 제공 이미지)

따라서 뉴런의 가장 간단한 수학적 모델은 여러 입력 X1, ..., XN과 출력 Y, 그리고 일련의 가중치 W1, ..., WN을 포함합니다. 출력은 다음과 같이 계산됩니다:

Y = f\left(\sum_{i=1}^N X_iW_i\right)

여기서 f는 비선형 활성화 함수입니다.

초기 뉴런 모델은 Warren McCullock과 Walter Pitts가 1943년에 발표한 고전 논문 A logical calculus of the ideas immanent in nervous activity에서 설명되었습니다. Donald Hebb는 그의 책 "The Organization of Behavior: A Neuropsychological Theory"에서 이러한 네트워크를 훈련시키는 방법을 제안했습니다.

이 섹션에서 다룰 내용

이 섹션에서는 다음 내용을 학습합니다:

면책 조항:
이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 위해 최선을 다하고 있지만, 자동 번역에는 오류나 부정확성이 포함될 수 있습니다. 원본 문서를 해당 언어로 작성된 상태에서 권위 있는 자료로 간주해야 합니다. 중요한 정보의 경우, 전문적인 인간 번역을 권장합니다. 이 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.