IT용어위키



딥러닝

Deep Learning
인간의 뇌와 흡사하게 구현한 신경망 알고리즘을 적용하여 보다 빠르고 효율적으로 학습하는 인공지능

딥러닝 모델 문제점

문제점 설명 해결방안
과적합

(Overfitting)

학습 데이터에 대해서만 최적화

  • 데이터 추가
  • Regularization
  • 조기 멈춤(Early Stopping)
  • 드롭 아웃(Dropout)
기울기 소실

(Vanishing Gradient)

노드간 연결이 많을 때 가중치 학습 소실

성능

(Performance)

노드가 많아질수록 학습이 지나치게 오래걸림

  • GPGPU

딥러닝의 한계

  • 딥러닝이 효과적으로 작동하기 위해선 아래의 조건 충족 필요
  1. 인공지능에게 판단에 필요한 충분한 지식을 습득하도록 만들 정도의 많은 데이터 필요
  2. 최적화의 목표가 분명하고 수치적·정량적으로 규정 가능해야 함
  3. 판단 대상이 훈련용 데이터에 비추어 이례적이지 않아야 함
  • 딥러닝 인공지능이 판단을 내리는 논거는 제공한 데이터에 의하므로, 데이터가 편향되어 있으면 결과도 편향

  출처: IT위키(IT위키에서 최신 문서 보기)
  * 본 페이지는 공대위키에서 미러링된 페이지입니다. 일부 오류나 표현의 누락이 있을 수 있습니다. 원본 문서는 공대위키에서 확인하세요!