변화하는 기술을 이해하기 위해 알아야 할 사항
신경망은 뉴런 (신경 세포)이 인간에서 어떻게 작동하는지와 유사한 방식으로 정보 (데이터)를 전송, 처리 및 학습하도록 설계된 연결 단위 또는 노드 의 컴퓨터 모델입니다.
인공 신경망
기술에서 신경 네트워크는 인공 신경 네트워크 (ANN) 또는 신경망으로 불리우며 이후 모델링 된 생물학적 신경 네트워크와 구별됩니다. ANN의 기본 아이디어는 인간의 두뇌가 존재하는 가장 복잡하고 지능적인 "컴퓨터"라는 것입니다. 연구자들은 ANN을 가능한 한 뇌에 사용되는 정보 처리 체계와 시스템에 가깝게 모델링함으로써 인간 지능에 접근하거나 능가하는 컴퓨터를 만들려고했다. 신경망은 인공 지능 (AI), 기계 학습 (ML) 및 심층 학습 의 최신 발전의 핵심 구성 요소입니다.
신경망의 작동 방식 : 비교
신경 네트워크의 작동 원리와 두 가지 유형 (생물학적 및 인공적)의 차이점을 이해하려면 건물, 개별 층 및 개별 사무실에 전화를 거는 15 층 사무실 건물 및 전화 회선 및 교환기의 예를 사용 합니다. 15 층짜리 사무실 건물의 각 개별 사무실은 뉴런 (컴퓨터 네트워킹의 노드 또는 생물학의 신경 세포)을 나타냅니다. 건물 자체는 15 층 (신경망)의 시스템에 배열 된 일련의 사무실을 포함하는 구조입니다.
이 예제를 생물학적 신경 네트워크에 적용하면 호출을받는 교환기에는 건물 전체의 모든 층에있는 사무실에 연결하는 선이 있습니다. 또한 각 사무실에는 모든 층의 모든 건물의 다른 모든 사무실에 연결하는 라인이 있습니다. 전화가 들어오고 교환기가 3 층 사무실로 이동한다고 가정하면 11 층 사무실로 직접 전달되어 5 층 사무실로 직접 전달됩니다. 두뇌에서 각 뉴런이나 신경 세포 (사무실)는 시스템이나 신경망 (빌딩)의 다른 뉴런에 직접 연결할 수 있습니다. 정보 (호출)는 다른 뉴런 (사무실)에 전송되어 응답이나 해결 (출력)이있을 때까지 필요한 것을 처리하거나 학습 할 수 있습니다.
이 예제를 ANN에 적용하면 상당히 복잡해집니다. 건물의 각 층마다 자체 층 배전반이 필요합니다.이 배전반은 동일한 층의 사무실과 그 위와 아래에있는 층의 배전반에만 연결할 수 있습니다. 각 사무실은 같은 층의 다른 사무실과 해당 층의 스위치 보드에만 직접 연결할 수 있습니다. 모든 신규 통화는 1 층 교환 대에서 시작해야하며 통화가 끝나기 전에 15 층까지 번호 순서로 각 개별 층으로 이동해야합니다. 어떻게 작동하는지 볼 수 있도록 움직여 봅시다.
1 층 교환 대에 전화가오고 1 층 (노드)의 사무실로 전화가 왔다고 상상해보십시오. 전화는 다음 층으로 보내질 준비가 될 때까지 1 층의 다른 사무실 (노드) 사이에서 직접 전송됩니다. 그런 다음 1 층 배전반으로 호출을 보내야합니다. 그러면 2 층 배전반으로 전송됩니다. 이 같은 단계는 한 번에 한 층 씩 반복합니다.이 과정을 통해 모든 단일 층에서 최대 15 층까지 호출이 전송됩니다.
ANN에서는 노드 (사무실)가 여러 층 (건물의 층)으로 배열됩니다. 정보 (호출)는 항상 입력 레이어 (1 층 및 스위치 보드)를 통해 들어오고 다음 레이어로 이동하기 전에 각 레이어 (바닥)를 통해 전송되어 처리되어야합니다. 각 층 (층)은 해당 호출에 대한 특정 세부 정보를 처리하고 호출과 함께 결과를 다음 계층으로 보냅니다. 호출이 출력 레이어 ( 15th floor와 그 스위치 보드)에 도달하면 레이어 1-14의 처리 정보를 포함합니다. 15 층 (층)의 노드 (사무실)는 다른 층 (층)의 모든 입력 및 처리 정보를 사용하여 응답 또는 해상도 (출력)를 산출합니다.
신경망 및 기계 학습
신경망은 기계 학습 범주에서 기술의 한 유형입니다. 사실, 신경망의 연구와 개발의 발전은 ML의 진보와 쇠퇴와 밀접하게 연관되어 있습니다. 신경망은 데이터 처리 기능을 확장하고 ML의 컴퓨팅 성능을 향상시켜 처리 할 수있는 데이터의 양을 늘리고 더 복잡한 작업을 수행 할 수있는 능력을 향상시킵니다.
ANN에 대한 최초의 문서화 된 컴퓨터 모델은 Walter Pitts와 Warren McCulloch가 1943 년에 만들었습니다. 신경망과 기계 학습에 대한 초기의 관심과 연구는 결국 느리게 진행되었고 1969 년에 다소 보류되었다. 시간의 컴퓨터는 이러한 영역을 더 발전시키기에 충분하거나 충분히 빠른 프로세서가 없었으며, ML 및 신경망에 필요한 방대한 양의 데이터는 당시에는 사용할 수 없었습니다.
인터넷의 성장과 확장 (그리고 인터넷을 통한 엄청난 양의 데이터에 대한 액세스)과 함께 시간이 지남에 따라 컴퓨팅 성능이 크게 향상되면서 이러한 초기 과제가 해결되었습니다. 신경망 및 ML은 이제 얼굴 인식 , 이미지 처리 및 검색, 실시간 번역과 같이 우리가 일상적으로보고 사용하는 기술에 유용합니다.
일상 생활에서의 신경 회로망의 예
ANN은 기술 내에서 상당히 복잡한 주제이지만, 매일 우리 삶에 영향을 미치는 방법이 늘어남에 따라 탐색에 시간을 할애 할 가치가 있습니다. 다음은 현재 신경 네트워크가 여러 산업에서 사용되는 방법에 대한 몇 가지 예입니다.
- 금융 : 신경망은 통화 환율을 예측하는 데 사용됩니다. 그들은 또한 주식 시장에서 사용되는 자동 거래 시스템의 기술에 사용됩니다.
- 의학 : 신경망의 이미지 처리 기능은 초기 단계의 암 종류를보다 정확하게 식별하고 식별하는 데 도움이되는 기술에 기여했습니다. 이러한 유형의 암 중 하나는 가장 심각하고 치명적인 형태의 피부암 인 침윤성 흑색 종입니다. 그것이 퍼지기 전에, 초기 단계에서 흑색 종을 확인하는 것은이 유형의 암 환자에게 그것을 치는 가장 좋은 기회를 제공합니다.
- 기상 조건 : 잠재적으로 심각하고 위험한 기상 이변을 가능한 한 신속하고 정확하게 나타내는 대기 변화를 감지하는 능력은 생명을 구하는 데 필수적입니다. 신경망은 허리케인과 저기압의 초기 형성을 감지 할뿐만 아니라 토네이도 형성을 나타내는 풍속 및 방향의 갑작스러운 변화를 감지하는 위성 및 레이더 이미지의 실시간 처리에 관여합니다. 토네이도는 기록상 가장 강력하고 가장 위험한 기상 이벤트 중 하나입니다. 종종 허리케인보다 갑작스럽고 파괴적이며 치명적입니다.