인공신경망 학습 과정의 시각적 해석 (Graphical Illustration of the Learning Process in Simple Neural Networks)

서지정보

· 발행기관 : 한국물리학회
· 수록지 정보 : 새물리 / 70권 / 10호 / 885 ~ 895페이지
· 저자명 : 최설매, 김동현, 한승기

초록

최근에 인공신경망 (ANN) 은 이미지 분류, 음성 인식, 기계어 번역, 그리고 임상 진단 등에 많이활용되고 있다. 실용적 응용에서 사용하고 있는 신경망은 수많은 뉴런으로 구성되어 있지만, 뉴런층을 어떻게 결정하고 또한 하나의 층에서 뉴런의 수는 어떻게 결정하는지 많은 정보가 주어져있지 않다. 본 논문에서는 간단한 다층 퍼셉트론 (MLP) 신경망을 이용하여 신경망 학습 결과에대한 도형적 풀이를 제시한다. XOR과 같은 단순한 문제의 학습 과정은 높은 차원에서 다양한상태를 두 개의 군으로 분리하는 표면을 구하는 문제에 해당한다. 이 논문에서는 간단한 이원 분류문제의 학습이 하나의 층에 있는 뉴런의 수에 따라서 어떻게 달라지는지, 또한 신경망에서 뉴런층을 더하는 것이 도형적으로 어떤 의미를 가지는지를 설명한다. 간단한 신경망에서 뉴런의 수 혹은층을 늘이는 것에 대한 직관적이며 도형적인 이해는 실제 문제에 대한 인공신경망 구축에 도움이 될 것이다.

영어초록

Recently, artificial neural networks (ANNs) have been utilized for various tasks, including image classification, speech recognition, and machine translation, and for medical diagnosis. For practical applications, we use neural networks composed of a very large number of neurons, but we do not have much information on how to fix the number of hidden layers or the number of neurons in a layer. In this paper, a graphical illustration of neural learning in simple neural networks of a multilayer perceptron (MLP) is presented. In the case of XOR-like problems, the learning process corresponds to finding a line or surface that separates several states into two groups in a higher dimensional space. Here, we illustrate graphically how the bipartition problem depends on the number of neurons in a layer, we also address the meaning of adding a layer in the network. We expect that this intuitive graphical understanding of increasing the number of neurons or layers in simple neural networks will be useful in constructing neural networks for practical problems.

참고자료

· 없음