반응형

신경망 분석(Neural Network)

 

[정의]

인간의 뇌를 통해 문제를 처리하는 방법과 비슷한 방법으로 문제를 해결하기 위해 컴퓨터에서 채택하고 있는 구조. 인간의 뇌가 기본 구조 조직인 뉴런(neuron)과 뉴런이 연결되어 일을 처리하는 것처럼 수학적 모델로서의 뉴런이 상호 연결되어 네트워크를 형성할 때 이를 신경망이라 한다.

 

 

 

생물학적인 신경망과 구분하여 인공 신경망(artificial neural network)이라고도 하며 신경망은 각 뉴런이 독립적으로 동작하는 처리기의 역할을 하기 때문에 병렬처리 (parallelism)가 뛰어나고 많은 연결선에 정보가 분산되어 있기 때문에 일부 뉴런에 문제가 발생하더라도 전체 시스템에 큰 영향을 주지 않는 결함 허용(fault tolerance) 능력이 있다.

 

주어진 환경에 대해 학습 능력이 있기 때문에 인공 지능 분야에 이용되고 있으며 문자인식, 화상처리, 자연 언어 처리, 음성 인식 등 여러 분야에 이용되고 있다.

 

신경망 모수인 시냅스 가중치를 데이터로부터 추정하는 작업을 학습이라 하며 모수 추정에 사용되지 않았던 데이터 대하여 네트워크가 정확하게 예측하는 경우 네트워크 일반화 성능이 높다고 한다.

 

[장점]

  • 복잡하고 다양한 자료를 쉽게 해결해 준다.
  • 질적 변수와 양적 변수에 관계 없이 모두 분석이 가능하다.
  • 입력 변수들 간 비선형 조합이 가능하며 예측력이 우수하다.

 

[단점]

  • 결과에 대한 분류와 예측 결과만 보여준다.
  • 결과 생성의 원인과 이유를 설명하기가 어렵다.
  • 데이터 분석 시 랜덤하게 표본을 선정하기 때문에 회귀분석의 결과 일치하지 않을 수 있다.

 

[활용 사례]

 

 

  • 구글이 모바일 운영체제 안드로이드에 신경망 알고리즘을 적용한 음성인식 시스템

Google voice Search : http://www.google.com/mobile/voice-search/

 

 

 

 

 

[참고 자료]

http://terms.naver.com/entry.nhn?cid=209&docId=830577&mobile&categoryId=209

 

 

반응형

+ Recent posts