딥러닝: Difference between revisions
From IT Wiki
(새 문서: ;Deep Learning ;인간의 뇌와 흡사하게 구현한 신경망 알고리즘을 적용하여 보다 빠르고 효율적으로 학습하는 인공지능 == 딥러닝의 한계 == *...) |
No edit summary |
||
| Line 1: | Line 1: | ||
;Deep Learning | ;Deep Learning | ||
;인간의 뇌와 흡사하게 구현한 신경망 알고리즘을 적용하여 보다 빠르고 효율적으로 학습하는 인공지능 | ;인간의 뇌와 흡사하게 구현한 신경망 알고리즘을 적용하여 보다 빠르고 효율적으로 학습하는 인공지능 | ||
== 딥러닝 모델 문제점 == | |||
{| class="wikitable" | |||
|- | |||
! 문제점 !! 설명 !! 해결방안 | |||
|- | |||
| 과적합 | |||
(Overfitting) | |||
|| | |||
학습 데이터에 대해서만 최적화 | |||
|| | |||
* 데이터 추가 | |||
* Regularization | |||
* 조기 멈춤(Early Stopping) | |||
* 드롭 아웃(Dropout) | |||
|- | |||
| 기울기 소실 | |||
(Vanishing Gradient) | |||
|| | |||
노드간 연결이 많을 때 가중치 학습 소실 | |||
|| | |||
* 사전 학습 | |||
* [[ReLU]] | |||
|- | |||
| 성능 | |||
(Performance) | |||
|| | |||
노드가 많아질수록 학습이 지나치게 오래걸림 | |||
|| | |||
* GPGPU | |||
|} | |||
== 딥러닝의 한계 == | == 딥러닝의 한계 == | ||
Revision as of 00:05, 27 October 2019
- Deep Learning
- 인간의 뇌와 흡사하게 구현한 신경망 알고리즘을 적용하여 보다 빠르고 효율적으로 학습하는 인공지능
딥러닝 모델 문제점
| 문제점 | 설명 | 해결방안 |
|---|---|---|
| 과적합
(Overfitting) |
학습 데이터에 대해서만 최적화 |
|
| 기울기 소실
(Vanishing Gradient) |
노드간 연결이 많을 때 가중치 학습 소실 |
|
| 성능
(Performance) |
노드가 많아질수록 학습이 지나치게 오래걸림 |
|
딥러닝의 한계
- 딥러닝이 효과적으로 작동하기 위해선 아래의 조건 충족 필요
- 인공지능에게 판단에 필요한 충분한 지식을 습득하도록 만들 정도의 많은 데이터 필요
- 최적화의 목표가 분명하고 수치적·정량적으로 규정 가능해야 함
- 판단 대상이 훈련용 데이터에 비추어 이례적이지 않아야 함
- 딥러닝 인공지능이 판단을 내리는 논거는 제공한 데이터에 의하므로, 데이터가 편향되어 있으면 결과도 편향
