바로 전 포스트를 이어서 SK-T-Brain 페이스북 페이지에 2016년에 올라왔던 게시물을 통해 여러가지 뉴럴 네트워크들의 구조를 간단하게 훑어보도록 하겠습니다. 먼저 설명에 사용되는 뉴런의 종류들입니다.
색과 안의 모양에 따라 용도가 다르니 참고하시며 살펴보면 좋을 것 같습니다. [Recurrent Neural Networks, RNN] - 기본적인 뉴럴 네트워크에 시간축이 더해진 형태 - 순차적인 입력에 대해서 인접한 입력간의 연결고리를 만들어주어 시간을 따라 정보가 전달되도록 함 - 이전 레이어의 입력뿐만 아니라 이전 데이터에 대한 현재 레이어 출력 값도 입력으로 사용 - Vanishing Gradient Problem 문제가 존재 [Long Short Term Memory, LSTM] - 게이트 및 memory cell 도입을 통해 Vanishing Gradient 문제를 해결 - memory cell과 입력, 출력, 망각 게이트로 구성 - 게이트들의 기능은 흐름을 막거나 ...
![뉴럴 네트워크 구조 간단 요약[3]](https://mblogthumb-phinf.pstatic.net/MjAxOTEyMTZfNzYg/MDAxNTc2NDU2NjIzMjkz.uoJqjInUCH5bqsshM5u3EgUYYAZF0qf9il890vcfMBgg.4EYY-9l4HLwicDxwomn-UIcVkdE3MDMFOneydhepE3Ig.JPEG.h0609zxc/14379793_306035899767231_7685068526849566992_o.jpg?type=w2)
#
ai
#
neuralnetwork
#
NTM
#
Recurrent
#
residual
#
RNN
#
구조
#
딥러닝
#
머신러닝
#
신경망
#
인공신경망
#
neural
#
network
#
LSTM
#
BIGRU
#
BILSTM
#
BIRNN
#
deep
#
DRN
#
ESN
#
Gated
#
GRU
#
learning
#
LongShortTermMemory
#
인공지능
원문 링크 : 뉴럴 네트워크 구조 간단 요약[3]
