인공지능의 응용 과목에서 제출한 자료이며 순환신경망, 생성적 적대 신경망, KNN 알고리즘, K means Clustering, 파이썬과 연관된 머신러닝을 정리하였습니다.

소개글

"인공지능의 응용 과목에서 제출한 자료이며 순환신경망, 생성적 적대 신경망, KNN 알고리즘, K means Clustering, 파이썬과 연관된 머신러닝을 정리하였습니다."에 대한 내용입니다.

목차

1. 순환신경망 (RNN)
2. 생성적 적대 신경망 (GAN)
3. 최근접 이웃 알고리즘 (KNN)
4. K 평균 알고리즘 (K means Clustering)
5. 파이썬과 연동된 머신러닝

본문내용

1. 순환신경망 (RNN)
순환신경망(RNN)은 시계열 데이터와 함께 시간의 흐름에 따라 변화하는 데이터를 학습하기 위해 만들어진 인공신경망이다. 따라서 기존 과거의 출력 데이터를 재귀적으로 참조한다. 순환신경망에서 사용되는 재귀의 뜻은 하나의 신경망을 계속적으로 반복해서 학습하는 것을 의미한다. 일반적인 신경망들은 입력된 데이터에 대해서만 동작하기에 연속적인 데이터를 처리하기 어렵고 일반적인 인공 신경망에서는 신경망의 구성에 따라 가중치가 한 방향으로 이동하며 변한다. 그렇지만 순환신경망에선 가중치의 변화가 한 방향으로만 이동하는 것이 아닌 다시 자기 자신에게 돌아오는 형태를 가지고 있기에 계속 반복적으로 가중치가 수정되는 모습이 나타난다.

이러한 순환 신경망은 연속된 데이터에 대해 결과를 예측하거나 분류할 때 주로 사용된다.

참고 자료

없음