딥러닝 편집하기

[[분류:인공지능]]
;Deep Learning
;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 ==
* 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