AI 요약관련 정보

• 딥러닝 강의의 첫 시간으로, 합성곱 신경망(CNN) 모델의 기본 개념 이해에 중점을 둡니다. 📚
• 인공신경망(ANN)은 입력층, 은닉층, 출력층으로 구성되며, 각 층은 뉴런(유닛)으로 이루어져 있습니다. 🧠
• ANN의 뉴런은 뇌의 뉴런에서 영감을 받았지만, 실제 뇌의 작동 방식을 모사하는 것은 아닙니다. 💡
• CNN은 ANN과 달리 이미지를 높이와 너비가 있는 2차원 데이터 그대로 처리합니다. 🖼️
• CNN의 핵심은 '필터'를 사용하여 이미지에서 특정 패턴을 감지하는 합성곱 연산입니다. 🔍
• 필터는 초기에는 무작위 값으로 설정되지만, 훈련을 통해 유용한 패턴을 감지하는 가중치로 학습됩니다. 🛠️
• 합성곱 연산을 통해 생성된 여러 '특성 맵'은 깊이 방향으로 쌓여 3차원 배열을 이룹니다. 🗺️
• '풀링 층'은 특성 맵의 가로와 너비 크기를 줄여 효율성을 높이며, 주로 '최대 풀링'이 사용됩니다. 📉
• 최대 풀링은 감지된 패턴의 강조점을 희석시키지 않고 다음 층으로 전달하는 데 효과적입니다. ✨
• 최종 예측을 위해 3차원 특성 맵은 '플래튼 층'을 통해 1차원으로 펼쳐진 후, 밀집 신경망(완전 연결층)으로 전달됩니다. 📏
• 출력층은 분류할 클래스 개수만큼의 유닛을 가지며, 소프트맥스 활성 함수를 통해 확률값을 출력합니다. 🎯