[인지과학] 인공 신경망의 정의 및 응용 분야와 미래

소개

인공 신경망의 정의 및 응용 분야와 미래에 관한 연구보고서입니다.
매우 내용이 우수한 보고서입니다.

목차

Introduction

Neuron
∙시그모이드 함수 (Sigmoid Function)
∙스텝 함수 (Step Function)
∙램프 함수 (Ramp Function)

Learning
∙Hebb 규칙
∙델타 규칙
∙Grossberg Model

Network
∙전진형 (Feed-forward)
∙재귀형 (Recurrent)
∙공진형 (Resonance)

Models
∙Adaline
∙Multi Layer Perceptron ( MLP )
∙Hopfield
∙Self-Organizing Map ( SOM )

신경망의 응용분야와 기술
1) 패턴인식 분야
2) 제어 시스템 분야
3) 의료진단 시스템
4) 예측 시스템 및 정보 시스템
5) 로봇 제어 및 무인 시스템 제어

신경망의 미래와 컴퓨터 발전

참고자료

본문내용

Introduction
신경망의 등장 배경에는 고전적인 컴퓨터가 갖는 문제들이 있다. 주로 언급된 것은 고전적인 컴퓨터가 인간이 쉽게 해결하는 계통의 문제에 대해서 잘 적응하지 못한다는 것이다.

신경망은 기본적으로 병렬/분산처리의 구현이 용이하다. 각각의 신경세포들은 간단한 단위적인 동작을 수행하며 이들은 동기적으로 동작할 필요가 없다. 따라서 간단한 신경세포의 역할을 수행하는 간단한 소자를 별다른 동기화 과정 없이 밀도 있게 배치함으로 고효율의 병렬성을 얻을 수 있다. 따라서 어떠한 신경망 모델을 고전적인 컴퓨터에서 실행한 결과 아주 느리다고 하더라도 하드웨어적인 구현을 통해서 고전적인 컴퓨터 상에서 수행되는 것과는 비교되지 않을 정도로 빠르게 수행될 수 있다.

또한 신경망은 상당히 강인(Robust)하다. 이는 신경망을 채용한 시스템이 입력환경이 열악한 경우에도 잘 수행될 수 있음을 뜻한다. 신경망은 기본적으로 많은 수의 노드로 구성되어 있으며 결과는 여러 노드의 결과의 합을 추함으로 주로 이루어진다. 만약에 훈련과정에서 결과를 얻는데 있어 아주 직접적이고 민감한 입력이 아니라면 특정 노드의 일시적인 오류는 전체적인 신경망의 동작에 크게 영향을 주지 않는다.

그러나 기존 컴퓨터가 하던 일을 신경망으로 대치할 수는 없다. 같은 종류의 사칙 연산이나 논리연산을 수행함에 있어 훨씬 많은 수의 연산을 필요로 한다. 또한 신경망은 프로그램이 곤란하다. 훈련을 통해 가능하다고 볼 수 있지만 많은 훈련을 통해서도 때로, 혹은 자주 신경망의 작동은 정확하지 않을 수 있다. 이러한 신경망은 따라서 경계나 조건이 명확하게 정해져 있는 문제보다는 좀 애매하며 인간적인 접근이 필요한 문제에 많이 적용이 되고 있다. 예를 들어, 음성인식/음성합성, 문자인식, 패턴인식/영상인식, 패턴분류, 신호처리, 퍼지/전문가 시스템과 같은 것들이다.

참고자료

· 경북대학교 계산지능 연구실
· 경희대학교 컴퓨터구조 신경망 연구실
· 「컴퓨터 구조 및 조직」김황수, 대영사
· 「인공지능, 신경망 및 퍼지 시스템 종합학술대회 논문집」