개요
기존의 디지털 컴퓨터는 수치 계산 처럼 잘 정의된 업무 처리에는 굉장히 탁월한 성능을 보이지만 음성 인식, 영상 인식, 연상, 추론등에는 지지부진한 모습을 보인다. 이에 대해서 뭐라고 하고 싶은 사람도 있겠지만...수치 계산같은 일에 비해서 지지부진하다는 얘기다. 아무튼 그래서 나온게 뉴로 컴퓨터다. 인간 두뇌의 신경망 조직을 모델링한 것이 신경망 모델이며 엄밀한 의미의 뉴로 컴퓨터는 신경망 구조를 사용해서 만든 컴퓨터를 뜻하지만, 뉴로 컴퓨팅, 신경망, 신경 회로망등의 용어를 혼용해서 부른다고 한다.
아무튼 뉴로 컴퓨터랑 디지털 컴퓨터는 요렇게 다르다.
디지털 컴퓨터는 프로그램에 의한 고숙 순차처리를 하는 반면에 뉴로 컴퓨터는 어떤 일을 수행하기 위해서는 미리 학습이 필요하고 병렬로 업무를 처리한다. 신경망을 구성하는 뉴런들은 상대적으로 속도는 느리지만 병렬처리에 의해서 연상, 패턴 인식등을 빠르게 수행할 수 있다. 물론 컴퓨터 프로그램으로 시뮬레이션을 하게 되면 멀티 스레딩을 하지 않는 이상 순차처리다. -_-;;
그리고 정보의 저장에도 많은 차이가 있는데 뉴로 컴퓨터는 뉴련간의 연결강도에 의해 정보가 분산 저장된다. 덕분에 오류 감내 능력이 뛰어나다. 아무튼 이 연결강도를 변화시키는 과정을 학습이라고 하는데 신경망의 모델과 학습방법에 의해서 학습 시간이 길어질 수 도 있고 짧아질 수 도 있고 학습에 실패할 수 도 있다.
뉴로 컴퓨터의 근간이 되는 신경망 모델은 예전부터 많은 연구가 진행되던 것으로 굉장히 많은 신경망 모델이 존재하구 있다. 구현방법도 다양한데 VLSI로도 만들 수 있고, 레이저를 사용한 광학적 구현도 있지만 프로그램을 작성해서 시뮬레이션해보는게 가장 만만하다. >_<
뉴로 컴퓨터, 그러니까 신경망은 구조상 복잡한 계산 같은거에는 적합하지가 않다. 따라서 복잡한 계산은 디지털 컴퓨터로 처리하고 연상이나 추론과 같은 업부등을 뉴로 컴퓨터로 보조하는게 당연하다. 요걸 실제 응용하는데 고려할 것들은 다음과 같다.
1. 어떤 신경망 모델을 사용할 것인가?
2. 신경망의 구조는 어떻게 할 것인가?
3. 어떻게 효과적으로 학습시킬 것인가?
4. 학습 패턴의 특징은 어떻게 추출할 것인가?
5. 구현은 어떻게 할 것인가?
가장 먼저 어떤 신경망 모델을 사용할지 결정하구, 신경망의 뉴런은 몇개로 구성할지, 입력과 출력은 어떻게 할 것인지, 뉴런들의 연결은 어떻게 할것인지등등 신경망의 구조를 결정한다. 그 다음에 사용한 신경망의 종류에 따라 어떤 학습방법을 사용할 지를 결정한다. 그리구 나서 학습 패턴을 선정해야 되는데 지도학습 방법을 사용할 경우 입력과 출력 패턴의 짝을 학습 패턴이라고 하며, 자율학습의 경우는 입력 패턴만을 의미한다. 특징 추출이란 신경망이 사용되는 목적에 따라 패턴의 중요한 부분을 더 부각 시켜서 정보량으 줄이는 것이다. 그리고 구현을 하면 되는데....구현을 위에 쓴것처럼 여러가지 방법중에 하나로 하면 된다.
역사적 배경 그런건 쭉 쭉 쭉 다 건너뛰고 신경망의 응용분야는 음성 합성, 음성 인식, 문자 인식, 영상 처리, 시스템 제어, 연상 메모리, 전문가 시스템등등이 있다.
기존의 디지털 컴퓨터는 수치 계산 처럼 잘 정의된 업무 처리에는 굉장히 탁월한 성능을 보이지만 음성 인식, 영상 인식, 연상, 추론등에는 지지부진한 모습을 보인다. 이에 대해서 뭐라고 하고 싶은 사람도 있겠지만...수치 계산같은 일에 비해서 지지부진하다는 얘기다. 아무튼 그래서 나온게 뉴로 컴퓨터다. 인간 두뇌의 신경망 조직을 모델링한 것이 신경망 모델이며 엄밀한 의미의 뉴로 컴퓨터는 신경망 구조를 사용해서 만든 컴퓨터를 뜻하지만, 뉴로 컴퓨팅, 신경망, 신경 회로망등의 용어를 혼용해서 부른다고 한다.
아무튼 뉴로 컴퓨터랑 디지털 컴퓨터는 요렇게 다르다.
| 뉴로 컴퓨터 |
디지털 컴퓨터 |
|
| 처리 데이터 |
디지털, 아날로그 |
디지털 |
| 처리 방식 |
병렬 처리 |
순차 처리 |
| 기본 소자 |
뉴런 | 논리 소자 |
| 실행 근거 |
학습 | 프로그램 |
| 정보 저장 |
뉴련간 연결강도 |
기억장치 |
| 정보 검색 |
내용의 의함 |
주소 지정 |
| 응용 분야 |
연상, 추론, 인식 |
복잡한 계산 |
디지털 컴퓨터는 프로그램에 의한 고숙 순차처리를 하는 반면에 뉴로 컴퓨터는 어떤 일을 수행하기 위해서는 미리 학습이 필요하고 병렬로 업무를 처리한다. 신경망을 구성하는 뉴런들은 상대적으로 속도는 느리지만 병렬처리에 의해서 연상, 패턴 인식등을 빠르게 수행할 수 있다. 물론 컴퓨터 프로그램으로 시뮬레이션을 하게 되면 멀티 스레딩을 하지 않는 이상 순차처리다. -_-;;
그리고 정보의 저장에도 많은 차이가 있는데 뉴로 컴퓨터는 뉴련간의 연결강도에 의해 정보가 분산 저장된다. 덕분에 오류 감내 능력이 뛰어나다. 아무튼 이 연결강도를 변화시키는 과정을 학습이라고 하는데 신경망의 모델과 학습방법에 의해서 학습 시간이 길어질 수 도 있고 짧아질 수 도 있고 학습에 실패할 수 도 있다.
뉴로 컴퓨터의 근간이 되는 신경망 모델은 예전부터 많은 연구가 진행되던 것으로 굉장히 많은 신경망 모델이 존재하구 있다. 구현방법도 다양한데 VLSI로도 만들 수 있고, 레이저를 사용한 광학적 구현도 있지만 프로그램을 작성해서 시뮬레이션해보는게 가장 만만하다. >_<
뉴로 컴퓨터, 그러니까 신경망은 구조상 복잡한 계산 같은거에는 적합하지가 않다. 따라서 복잡한 계산은 디지털 컴퓨터로 처리하고 연상이나 추론과 같은 업부등을 뉴로 컴퓨터로 보조하는게 당연하다. 요걸 실제 응용하는데 고려할 것들은 다음과 같다.
1. 어떤 신경망 모델을 사용할 것인가?
2. 신경망의 구조는 어떻게 할 것인가?
3. 어떻게 효과적으로 학습시킬 것인가?
4. 학습 패턴의 특징은 어떻게 추출할 것인가?
5. 구현은 어떻게 할 것인가?
가장 먼저 어떤 신경망 모델을 사용할지 결정하구, 신경망의 뉴런은 몇개로 구성할지, 입력과 출력은 어떻게 할 것인지, 뉴런들의 연결은 어떻게 할것인지등등 신경망의 구조를 결정한다. 그 다음에 사용한 신경망의 종류에 따라 어떤 학습방법을 사용할 지를 결정한다. 그리구 나서 학습 패턴을 선정해야 되는데 지도학습 방법을 사용할 경우 입력과 출력 패턴의 짝을 학습 패턴이라고 하며, 자율학습의 경우는 입력 패턴만을 의미한다. 특징 추출이란 신경망이 사용되는 목적에 따라 패턴의 중요한 부분을 더 부각 시켜서 정보량으 줄이는 것이다. 그리고 구현을 하면 되는데....구현을 위에 쓴것처럼 여러가지 방법중에 하나로 하면 된다.
역사적 배경 그런건 쭉 쭉 쭉 다 건너뛰고 신경망의 응용분야는 음성 합성, 음성 인식, 문자 인식, 영상 처리, 시스템 제어, 연상 메모리, 전문가 시스템등등이 있다.
'신경망 > 퍼셉트론' 카테고리의 다른 글
| 단층 신경망 (5) | 2009/01/09 |
|---|---|
| 신경망의 분류와 학습 (2) | 2009/01/07 |
| 생물학적 신경망과 인공 신경망 (5) | 2009/01/06 |
| 뉴로 컴퓨터 개요 (2) | 2008/12/29 |
댓글을 달아 주세요
비밀댓글입니다
으악