RNN 순환 신경망(Recurrent Neural Networks) 이론 퍼셉트론 인공 뉴런이 DNN(Deep Neural Network)이라면 순환신경망 RNN(Recurrent Neural Network)은 퍼셉트론의 일종의 자식 레이어로 볼 수 있습니다. RNN은 신경망의 일종으로 문자열과 같이 순차적으로 등장하는 데이터 처리에 적합한 모델입니다. 입력된 데이터가 입력층에서 은닉층으로, 은닉층의 결과가 다시 같은 은닉층의 입력으로 반복(recurrent)합니다. 즉, 이전 상태에 대한 정보를 ‘메모리’ 형태로 저장해서 그 다음 상태의 입력으로 사용하며 Sequence Data를 다루는 데 도움이 됩니다. Sequential Data 기존 퍼셉트론 이론으로는 순차적으로 데이터를 다루는데는 어려움이 있..

DNN 퍼셉트론 이론과 딥러닝의 목표 인공 지능은 인간의 지능을 기계로 구현한 것입니다. 머신 러닝은 그러한 인공 지능을 구현하는 구체적인 접근 방법이며 딥 러닝(Deep Learning)이란 완전한 머신 러닝을 실현하는 기술이 됩니다. 딥 러닝에 관해 알아보기 전, 1950년 당시 로젠 블라트(Frank Rosenblatt) 교수님에 의해 고안된 퍼셉트론 이론에 대해 알아봅시다. 퍼셉트론 퍼셉트론(Perceptron, Deep Neural Network)은 인간의 뉴런을 본따서 만든 알고리즘입니다. 뉴런은 신경 세포 중 하나로, 차가운 얼음을 만졌을 때 신경 세포는 '차갑다' 라는 전기적 자극신호를 가지돌기(dendrites)를 통해 전달되어 핵(nucleus)에서는 이것이 '차갑다' 또는 '뜨겁다' ..