신경망(Neural Network) 분석

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

가. 신경망 분석의 정의

- 인간두뇌 세포를 모방한 개념으로 뉴런들의 상호작용하고 경험을 통해 배우는 생물학적 활동을 반복적인 학습과정으로 모형화하는 분석 기법

- 기계학습 그리고 인지과학에서의 인공신경망은 생물학의 신경망(동물의 중추신경계, 특히 뇌)에서 영감을 얻은 통계학적 학습 알고리즘

- 인공신경망은 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)이 학습을 통해 시냅스의 결합 세기를 변화시켜, 문제 해결

나. 신경망 분석의 특징

특징	설명
학습	연결하중을 조절하여 기존의 데이터나 경험을 학습
분류/군집화	잡음(noise)이 포함되거나 훈련되지 않은 입력 패턴에 대해 비슷한 패턴에 대해 비슷한 부류로 분류
병렬처리	본질적으로 병렬처리 방식으로 신경회로망을 병렬 컴퓨터나 하드웨어로 구현했을 때 신속히 정보를 처리 가능
견고함	많은 노드와 연결 하중으로 이루어져 시스템의 조그만 손상에 대해 전체적인 성능의 저하가 적어 높은 고장 허용능력을 가짐
분산 메모리	각 노드와 연결하중에 정보를 분산하여 저장
적응	학습된 환경이 변하면 학습과 동일한 방식으로 연결 하중을 변경하여 변경된 환경에 적응
단순한 구조	노드에 연결하중이 연결된 형태로 구조가 단순하여 구현이 용이

II. 신경망 분석 방법

가. 신경망분석 구성도

나. 신경망 분석 구성요소

구분	주요내용
입력층	- 학습을 위한 기초데이터 입력계층(Input Layer)
출력층	- 학습을 통해 도출된 결과값을 출력하는 계층(Output Layer)
은닉층	- 다중신경회로망에서 입력층과 출력층 사이에 존재 - 정보를 전파, 학습, 활성화(Hidden Layer)
전달(활성화)함수	- 임계값을 이용 뉴런의 활성화 여부를 결정하기 위해 사용되는 함수
가중치(연결강도)	- 활성화 함수의 입력값으로 사용되는 뉴런간의 연결계수

III. 신경망 분석 학습유형

입력형태	학습방법	신경망 모델
디지털 입력	지도학습	- Hopfield network [참고] 지도 학습 (영어: Supervised Learning)은 훈련 데이터(Training Data)로부터 하나의 함수를 유추해내기 위한 기계학습 (Machine Learning)의 한 방법 , 지도학습기(Supervised Learner)가 하는 작업은 훈련 데이터로부터 주어진 데이터에 대해 예측하고자 하는 값을 올바로 추측해내는 것
	자율학습	- Art model 자율 학습(Unsupervised Learning)은데이터가 어떻게 구성되었는지를 알아내는 문제의 범주에 속한다. 이 방법은 지도 학습 (Supervised Learning) 혹은 강화학습 (Reinforcement Learning)과는 달리 입력값에 대한 목표치가 주어지지 않는다. 자율 학습은 데이터의 주요 특징을 요약하고 설명할 수 있다. 자율 학습의 예로는 클러스터링(Clustering)을 들 수 있다. 또 다른 하나의 예로는 독립 성분 분석(Independent Component Analysis)이 있다.
	지도/자율학습 결합	- Carpenter network 준 지도 학습(영어: Semi-Supervised Learning)이란 기계 학습(Machine Learning)의 한 범주로 목표값이 표시된 데이터와 표시되지 않은 데이터를 모두 훈련에 사용하는 것을 말한다. 대개의 경우 이러한 방법에 사용되는 훈련 데이터는 목표값이 표시된 데이터가 적고 표시되지 않은 데이터를 많이 갖고 있다.
아날로그 입력	지도학습	Perceptron, multilayer perceptron
	자율학습	Competitive learning, self-organization map(SOM)