딥러닝 학습 알고리즘

딥러닝은 활용 분야에 따라 지도 학습, 비지도 학습, 전이 학습, 강화 학습으로 나뉜다.

 

1. 지도 학습 (supervised learning)

- 합성곱 신경망 : 이미지 분류, 이미지 인식, 이미지 분할 등에 활용한다.

- 순환 신경망 : 시계열 데이터를 분석 할 때 주로 사용되며 ,특히 역전파 과정에서 기울기 소멸 문제를 위해 LSTM을 사용한다.

 

 

2. 비지도 학습 (unsupervised learning)

- 워드 임베딩 : 자연어를 컴퓨터가 이해할 수 있게 벡터로 바꿔서 표현해주는 기술로, 번역 혹은 음성인식에 사용됩니다.

- 군집 ( clustering ) : 정보가 없는 데이터를 분류하는 알고리즘으로 머신러닝 군집화를 할 때 딥러닝을 같이 사용하면 모델의 성능을 끌어올릴 수 있다.

 

 

3. 전이 학습 (transfer learning) 

- 전이 학습 : 사전에 학습이 완료된 모델을 원하는 학습에 미세 조정 기법을 이용하여 학습시키는 방법이다.

- 사전 학습 모델 : 많은 데이터로 학습이 되어있는 모델로 VGG, Inception, MobileNet과 같은 사전 학습 모델을 사용하면 효과적인 학습이 가능하다 또한 사전학습 모델을 활용하는 방법에는 특성추출과 미세 조정 기법 등이 있다.

 

 

※ 강화학습도 있지만 머신러닝과 동일하다 ※

 

 

본 내용은 < 딥러닝 텐서플로 교과서 (저자:서지영) > 내용을 바탕으로 작성되었습니다.
https://book.naver.com/bookdb/book_detail.nhn?bid=19482194