[Deep Learning] Neural Network(신경망)이란?

Housing Price Prediction

6개의 주택이 있으며, 주택의 크기와 가격을 알고 있는 상태에서 주택의 가격을 예측할 수 있는 함수를 만든다고 가정한다.

• 선형 회귀를 알고 있다면, 직선으로 그래프를 그릴 것임
• 주택의 가격은 음수가 될 수 없기 때문에 음수에 닿을 직선 대신 선을 꺾어 그려 0으로 끝나도록 함
• 주택 크기 대비 주택 가격을 예측하는 함수가 그려짐

Neuron

주택 가격을 예측하는 함수를 간단한 Neural Network으로 생각해볼 수 있음

1. x라고 불릴 주택의 크기가 신경망의 입력
2. 입력은 작은 원인 노드로 들어감
3. y라고 불릴 주택의 가격을 출력

작은 원이 Neural Network에서 하나의 뉴런이 되고, 뉴런이 하는 일은 주택의 크기를 입력받아 선형 함수를 계산하고 결과값과 0중에 큰 값을 주택의 가격으로 예측

ReLu 함수

이런 0에서 증가하는 함수를 ReLU(Rectified Linear Unit) 함수라고 함

더 큰 Neural Network는 더 많은 뉴런들로 이루어져 있으며, 뉴런을 레고처럼 쌓은 형태에서 하나를 레고 블럭의 형태로 생각하면 됨

Housing Price Prediction

크기, 침실의 갯수, 우편번호, 동네의 재력의 입력 x 특성을 가지고 Neural Network는 가격 y를 예측할 것임

각 3개의 원들은 은닉 유닛이라고 불리며 각 4개의 입력을 받음

• 첫 번째 노드가 가족의 크기를 내포한다면, 어떤 계산을 하던 4개의 입력을 전부 받을 것임
• Neural Network 입력층과 중앙 노드는 조밀하게 연결되어 있다고 이야기할 수 있음
• 충분한 양의 x와 y를 훈련 예제로 준다면, Neural Network는 x를 y로 연결하는 함수를 알아내는데 도움이 될 것

- 끝 -

 

이 내용은 Andrew Ng 교수님의 강의를 수강하고 정리하였음