[R] 인공신경망

11. 인공신경망

 

11.1 인공신경망의 개요

11.1.1 개요

11.1.1.1 인공지능의 한 분야

11.1.1.2 인간 두뇌의 생물학적 작동 형태를 모방하여 컴퓨터로 하여금 지적인 능력을 갖추게 하는 방법론

11.1.1.3 공학 부문에서 시작되어 재무 관리 등에 도입되기 시작

 

11.1.2 선형분류와 비선형분류

How to achieve a nonlinear decision boundary? . (2016). Retrieved from https://stats.stackexchange.com/questions/212965/how-to-achieve-a-nonlinear-decision-boundary.

 

11.1.3 인공신경망의 구조

 

 

11.1.4 학습결과의 예

 

 

11.2 기본 개념

11.2.1 처리요소(PE)

11.2.1.1 각자의 인자(neuron)를 의미

11.2.1.2 노드(node) 또는 유니트(unit)라고 함

 

11.2.2 층(layer)

11.2.2.1 보통 세 개의 층(three-layered)

11.2.2.2 은닉(hidden) 층

입력값과 출력값을 연결시켜 주는 매개변수값으로 채워지게 되는데 전체 신경망의 성공여부가 바로 이 은닉층의 역할에 달려 있다고 할 수 있음

 

11.2.3 가중치(weight)

11.2.3.1 i번째 PE와 j번째 PE와의 결합정도

11.2.3.2 Wij: 층과 층 사이의 연결이 i에서 j로 갈 때의 연결강도

 

11.4 인공신경망 추론과정

11.4.1 1단계: 초기 연결가중치 결정

연결가중치를 임의의 아주 작은 값(보통 -1 ~ 1 사이)으로 초기화

 

11.4.2 2단계: 전방향 계산

11.4.2.1 은닉층 및 출력층에서 입력값에 연결가중치를 곱하여 각 처리요소들의 출력값을 계산

11.4.2.2 전이함수를 사용하여 출력값 결정

 

11.4.3 3단계: 역방향 계산

11.4.3.1 출력층의 출력값과 목표출력값 사이의 오류치 계산

11.4.3.2 출력층과 은닉층 사이의 연결 가중치를 수정

11.4.3.3 은닉층과 입력층 사이의 연결 가중치를 수정

 

11.4.4 4단계: Epoch (2, 3 단계)의 반복

 

 

11.5 인공신경망 학습절차

11.5.1 1단계: 자료의 수집

정확하고 충분한 자료의 수집이 중요

 

11.5.2 2단계: 자료의 준비

11.5.2.1 비계량 자료의 계량화

11.5.2.2 Outlier 제거

11.5.2.3 학습용 자료와 검증용 자료의 정의 (training, test, validation set)

11.5.2.4 전처리과정

 

11.5.3 3단계: 신경망의 구조와 학습모수의 결정

11.5.3.1 은닉층의 수와 은닉노드의 수

11.5.3.1 학습률, 학습중지점 등

 

11.5.4 4단계: 학습과 검증

11.5.4.1 검증 방법의 결정

11.5.4.2 검증 결과의 해석

'programming > r' 카테고리의 다른 글

[R] Java와 R 연동  (0) 2020.08.25
[R] SVM(Support Vector Machines)  (0) 2020.06.03
[R] 인공신경망  (0) 2019.09.30
[R] 요인분석, 주성분분석  (0) 2018.12.29
[R] 로지스틱 회귀분석  (0) 2018.12.25
[R] 상관 분석과 회귀 분석  (0) 2018.12.22

댓글(0)

Designed by JB FACTORY