인지를 위한 딥러닝 기술 개요
Q) 딥러닝은 입력 데이터를 처리하기 위해 어떤 구조를 가지고 있을까?
→ 딥러닝은 사람의 뉴런 구조를 모방한 신경망 구조를 가지며 입력 센서 데이터를 여러 계층을 갖는 신경망 구조에 통과 시켜 원하는 결과를 얻어냅니다
학습 내용)
1.
딥러닝 모델의 신경망 구조
2.
딥러닝의 학습 과정
3.
인지를 위한 딥러닝 기술
keyword 1)
딥러닝 모델의 신경망 구조
→ 딥러닝 : 센서 데이터를 입력받아 원하는 결과를 출력
→ Feed-forward 신경망 구조
keyword 2)
딥러닝의 학습 과정
→ 트레이닝
→ 인퍼런스
keyword 3)
인지를 위한 딥러닝 기술
→ Convolutional Neural Network (CNN)
→ Recurrent Neural Network (RNN)
딥러닝 모델의 신경망 구조
딥러닝
•
센서 데이터를 입력받아 원하는 결과를 출력
Feed-forward 신경망 구조
•
수많은 노드들의 집합
노드 : 입력을 받아 비선형 연산을 수행하고 결과를 출력하는 기본적인 단위
→ 여러 개의 계층을 순차적으로 통과
딥러닝의 학습 과정
트레이닝
•
수많은 학습 데이터를 보여주면서 주어진 데이터에 대해 정답을 맞추도록
•
신경망의 연결 여부를 결정해주는 과정
인퍼런스
•
트레이닝이 끝나면, 자율주행차에 탑재하여 실제 인지 기능 수행
실제 주행 시, 새로운 데이터를 얼마나 잘 인지하는가? → 일반화 성능
인지를 위한 딥러닝 기술
Convolutional Neural Network (CNN)
•
카메라 영상을 입력으로 하여 원하는 결과를 얻어냄
•
2차원 배열 데이터를 처리하기에 유리한 구조
Recurrent Neural Network (RNN)
•
시간적으로 순차적으로 들어오는 데이터를 입력으로 하여 원하는 출력을 얻어냄
•
음성인식, 자연어 처리, 시계열 데이터 처리
•
자율주행차 : 주변 동적 객체의 과거 경로로부터 미래 경로 예측
•
Long Short Term Nemory (LSTM) 모델이 유명함
