최근 딥러닝(Deep Learning)에 의한 기계학습 방법이 다양한 분야의 인공지능시스템 개발에 적용되고 있다. 이 보고서는 딥러닝에 기반한 신경망 학습기법의 원리를 체계적으로 정리된 내용을 제공하기 위한 목적으로 작성되었다.
3. 보고서의 구성 및 내용
이 보고서는 인공지능 신경망인 단일퍼셉트론, 다층퍼셉트론(MLP), 컨볼루션 신경망(CNN) 및 순환신경망(RNN) 등 각각에 대한 구조, 기능, 학습 알고리즘 등을 체계적으로 이해할 수 있도록 구성되어 있다.
아울러, 딥러닝을 포함한 각종 기계학습 기법에 관한 최근의 공개 소프트웨어에 관해서도 그 개요를 소개한다. 이 보고서는 다음과 같이 구성되어 있으며, 4시간 내외의 강연이나 한 학기 동안의 딥러닝 강의를 위한 기본 자료로도 활용이 가능하다.
- 단일퍼셉트론(Single Perceptron)의 구조, 기능, 학습원리
- 다층퍼셉트론(MLP)의 구조, 기능, 학습원리
- 컨볼루션신경망(CNN)의 구조, 기능, 학습원리
- 순환신경망(RNN)의 구조, 기능, 학습원리
- 딥러닝 산업기술 동향 및 시사점
4. 활 용
이 보고서가 신경망 이론을 접해본 컴퓨터과학 전공 학부생, 인공지능 분야를 심도 있게 전공하고자 하는 대학원 신입생, 딥러닝의 우수성 및 응용가능성을 이해하고자 하는 산업체 연구원, 딥러닝 공개소프트웨어를 활용하고자 하는 연구원 등 다양한 분야의 독자들에게 참고자료가 되길 바란다.
SUMMARY
1. Title
“Deep learning tutorial – understanding deep artificial neural network”
2. Purpose
Recently, deep learning is widely applied to various fields of AI system. This report covers a systematic explanation about principals of deep learning based on neural network methodologies.
3. Contents and Details
This report deals with perceptron, multi-layer perceptron, convolutional neural network (CNN), and recurrent neural network (RNN). Main contents are of architectures, functionalities, and learning algorithms for each method.
In addition, deep-learning open source software trends will be introduced. This report is composed of as follows, and can be used for a basic material for four-hour lecture or one-semester course.
- Architecture, functionality, and learning principal of single perceptron
- Architecture, functionality, and learning principal of multi-layer perceptron
- Architecture, functionality, and learning principal of CNN
- Architecture, functionality, and learning principal of RNN
- A trend and implication of deep learning for industries
4. Application
This material gives a tutorial for understanding deep learning to undergraduates, graduates, and research staffs in industries.
