신경망(Neural Network) 분석 - 인간두뇌 세포를 모방한 의사결정 및 상황판단 기술

 I. 인간두뇌 세포를 모방한 의사결정 및 상황판단 기술, 신경망 분석의 개요

  가. 신경망(Neural Network) 분석의 정의

    - 인간 두뇌의 신경세포(Neuron)를 모형화한 개념으로, 수집 데이터로부터 반복 학습과정을 걸쳐

      데이터에 내재된 패턴을 찾는 학습 기법

 

  나. 신경망 분석의 특징

특징	내용
사례 학습	사례를 계속 제시하여 원하는 형태의 사상 학습
일반화	학습이 완료된 신경회로망은 학습되지 않은 입력에 대해서도 올바른 결과 출력 가능 (무학습에 대한 올바른 결과 출력 가능)
연상 기억	새로운 입력, 일부 유실된 정보를 유사하게 출력 가능
결함 허용성	일부 뉴런 손상 시 남아있는 뉴런들에 의해 작동 보장
정보의 분산저장	다수의 출력 노드를 통해 데이터의 분산 저장

    - 각 계층에 존재하는 다수의 노드를 이용하여 병렬/분산 처리 수행

 

II. 신경망 분석의 구성도와 구성요소

가.   신경망 구성도

 

   - 은닉층은 가중치와 활성화 함수에 대응하는 계층(x: 입력층, f(x): 활성화함수, w: 가중치, y: 출력층)

  나. 신경망구성요소

구분	내용	특징
입력계층 (Input layer)	학습을 위한 기초데이터 입력 계층	입력자료 시스템 전송
은닉계층 (Hidden layer)	반복 학습, 연산 작용 및 상태 저장	가중치와 활성화 함수에 대응
출력계층 (Output layer)	학습을 통해 도출된 결과값을 출력	학습된 데이터 저장
활성화 함수 (Activation Function)	임계치에 따라 다음 노드로 출력값을 결정	신경망 핵심 요소 (시그모이드(Sigmoid) 함수가 주로 사용됨)
가중치 (Weight)	반복학습을 통해 조절되며 노드간 연결 강도 정의	반복학습을 통해 조절

 

활성화 함수의 구조.
기존 입력 값의 합 (w1x1+w2x2+w3x3)을 활성화 함수 f(y)에 넣어 활성화할지 말지(결과값 z)를 결정

 

 

III. 신경망 분석의 학습과 알고리즘 유형

가. 신경망 분석의 학습 방법

나. 신경망 분석의 학습 유형

입력형태	학습 방법	신경망 모델	사례
디지털 입력	지도 학습 (Supervised) (감독 학습)	데이터에 대한 레이블-명시적 정답이 주어진 상태에서 학습	KNN, MLP, SVM
	자율 학습 (Unsupervised) (무감독 학습)	입력 값에 대한 목표치가 주어지지 않으며, 데이터의 주요 특징을 요약하고 설명 (데이터의 숨겨진 특징, 구조 발견)	Clustering, K-means, DBSCAN
	강화 학습 (Reinforcement Learning)	보상(reward)를 통해 detail을 찾아내는 과정을 신경망을 통해 최대 보상을 얻을 수 있도록 훈련되는 함수.	MDP(Markov Decision Process), Monte-Carlo evaluation, DQN(Deep Q-Networks), Q-Learning
	지도/자율학습 결합 (Semi-Supervised) (준지도학습)	목표 값이 표시된 데이터와 표시되지 않는 데이터를 모두 훈련에 사용	DBN, RBM
아날로그 입력	지도 학습	Perceptron, Multi-Layer Perceptron	GLM, GBM, 딥러닝
	자율 학습	Competitive Learning, Self-Organization Map (SOM)	클러스터링, 비정상 탐지

 

  다. 신경망 분석의 감독 학습과 무감독 학습 비교

구분	감독학습 (Supervised Learning)	비감독학습 (Unsupervised Learning)
개념	데이터로 하나의 함수(문제-정답)를 유추	데이터 자체의 특성/ 패턴 분석
기법	의사결정트리, 신경망, 판별분석, 회귀분석	연관성 규칙, 군집(Clustering)분석, 데이터 축소 기법
관점	예측 기반의 학습	분류, 분석, 기반의 학습
사례	주식 시세 예측	소득수준별 구매패턴 분석

 

  라. 신경망 분석의 알고리즘 유형

유형	개념도	설 명
전방 전달 신경망 (Feed-Forward Neural Network)		가장 간단한 방법의 인공 신경망 방법
역전파 (Back Propagation)		원하는 출력과 실제 출력의 오차를 산출
순환(회귀) 인공 신경망(Recurrent Neural Network)		Context Units과 Hidden nodes와 교류를 통하여 Output nodes를 산출

 

V. 신경망 분석의 응용 및 활용 분야

가. 신경망 분석의 유형별 응용 분야

유형	응용 분야	장점	단점
SLP	문자 인식	최초의 신경망	변화에 민감, XOR 해결 불가
MLP	패턴 인식	Feed-forward 형	복잡한 패턴 인식 불가
Input Driven MLP	문자/음성 인식	학습 용이, MLP 개선	방대한 학습 데이터 사용
Hopfield	최적화 문제	대규모 구현	학습기능 없음

 

나. 신경망 분석의 활용분야

제품/서비스	주요 내용
스마트 CCTV	- CCTV에 AI 기능을 탑재하여 의심이 가는 부분을 지능적으로 분석, 감지, 통보하여 범죄를 예방. - 반복 학습을 통한 이미지 분석
스마트 신호등	- 도로에 설치된 감지기가 차량 통행량과 속도를 측정한 뒤, 이를 토대로 다음 신호등에서 교통 상황을 예측해 신호등 점멸시간 조절
자율 주행 자동차	- GPS를 이용해 도로, 장애물, 교통 상황을 인식하여 신속, 정확한 판단을 통해 안전을 보장한 주행 실행
위치 추적 서비스	- 사람의 이름이나 관련 키워드를 통해 그 사람의 소재 위치를 지도에 매핑해주는 프로그램 개발 - 메타카타(MetaCarta) : 범죄자 등을 찾는데 사용되는 프로그램
지능형 항공 교통 시스템	- 지능형 컴퓨터 에이전트가 공항 관제소에 항공기 운행 정체를 해소할 방법 제시