1950년대 고양이 신경세포의 실험을 통해 얻어진 신경망 아이디어 --> 다층신경망(MLP, multilayer perceptron)의 발전(매우 강력한 머신러닝 기술 중 한 가지)
머신러닝에서 독립 --> 딥러닝이라는 학문으로 발전 (컴퓨터가 단순 계산에서~~> 사물인식, 분할기술, 자연어 처리 등은 사람보다 뛰어난 성과를 보이며 발전)
딥러닝의 발전은 핵심 알고리즘의 발전
Framework의 발전(Tensorflow, PyTorch 등)
CUDA (Gpu library, 속도증가)
ImageNet과 같은 벤치마크 Dataset 등의 발전
Perceptron(퍼셉트론; 1957년 Rosenblatt이 고안 + 1943년경 뇌의 신경활동을 수학으로 표현한 아이디어) 알고리즘이 발전해 지금까지 이르게 되었다.
정확한 용어로 Artificial Neural Networks(ANN, 인공신경망)이라고 불리는 학습 모델
- 뇌의 실제 신경계의 특징을 모사하여 만들어진 계산 모델(computational model)
- '뉴럴넷' => 뇌 신경망의 작은 구조인 뉴런(Neuron)을 모사한 인공 뉴런인 퍼셉트론(다수의 입력 신호를 받아 하나의 신호를 출력)
신경세포(Neuron)
- 뉴런, 수상돌기(Dendrites)에서 입력신호(다른 뉴런과의 시냅스)를 받아들임
- 신경세포 내에서 정보를 통합함
- 임계값을 넘어서는 전류가 생기면 Axon Hillock이 축삭돌기(Axon)로 최종 출력 신호(또 다른 뉴런으로 전파)를 전송
코드스테이츠 강의 자료
ANN의 목표는
데이터에서 발견할 수 있는 복잡한 관계를 학습할 수 있는 강력한 알고리즘과 데이터 구조를 만드는 것.
