Neural Network (신경망)

신경망(Neural Network)은 인간의 뇌에서 영감을 받아 개발된 머신러닝 모델로, 뉴런(Neuron)과 그 연결 구조를 모방하여 데이터를 처리한다.

1. 신경망의 구조

신경망은 "입력층(Input Layer), 은닉층(Hidden Layer), 출력층(Output Layer)"으로 구성된다. 각 층의 뉴런들은 가중치(Weight)와 활성화 함수(Activation Function)를 사용하여 정보를 전달하고 변환한다.

2. 정보처리 과정

1. "입력 신호 수집": 뉴런의 가지돌기가 신호를 입력받음
2. "신호 합산": 입력된 신호를 가중치를 적용하여 합산
3. "활성화 함수 적용": 특정 임계값을 넘으면 신호가 전달됨
4. "출력 전달": 활성화된 신호가 다음 층으로 전달됨

3. 신경망의 발전 과정

• 1943년: 매컬러(McCulloch)와 피츠(Pitts)가 최초의 뉴런 모델 제안
• 1950~60년대: 프랭크 로젠블랫(Frank Rosenblatt)의 퍼셉트론 개발
• 1980년대: 다층 퍼셉트론(MLP)과 역전파(Backpropagation) 알고리즘 등장
• 2000년대 후반: GPU 발전과 함께 딥러닝의 급격한 성장
• 2012년: AlexNet이 이미지넷 대회에서 혁신적인 성과 달성

4. 신경망의 종류

• 퍼셉트론(Perceptron): 가장 기본적인 신경망 모델
• 다층 퍼셉트론(MLP): 은닉층이 추가된 구조, 비선형 문제 해결 가능
• 컨볼루션 신경망(CNN): 이미지 처리에 최적화된 신경망
• 순환 신경망(RNN): 시퀀스 데이터(음성, 번역)에 적합
• 트랜스포머(Transformer): 최신 자연어 처리(NLP) 모델의 기반