합성곱 신경망에 대한 이해

딥러닝 또는 딥 뉴럴 네트워크라는 용어는 다층 인공신경망(ANN)을 의미합니다. 지난 수십 년간, 이는 가장 강력한 도구 중 하나로 여겨졌으며, 방대한 양의 데이터를 처리할 수 있기 때문에 문헌상 매우 인기가 있었습니다. 최근에는 더 깊은 은닉층을 갖는 것이 다양한 분야, 특히 패턴 인식에서 고전적인 방법들의 성능을 능가하기 시작했습니다. 가장 인기 있는 딥 뉴럴 네트워크 중 하나는 합성곱 신경망(CNN)입니다. CNN은 합성곱이라고 하는 행렬 간의 수학적 선형 연산에서 이름을 따왔습니다. CNN은 합성곱층, 비선형층, 풀링층, 완전연결층 등 여러 층으로 구성되어 있습니다. 합성곱층과 완전연결층은 파라미터를 가지지만, 풀링층과 비선형층은 파라미터가 없습니다. CNN은 기계학습 문제에서 우수한 성능을 보입니다. 특히 Image Net과 같은 대규모 이미지 분류 데이터 집합, 컴퓨터 비전, 자연어 처리(NLP) 응용 분야에서 매우 놀라운 성과를 거두었습니다. 본 논문에서는 CNN과 관련된 모든 요소 및 중요한 이슈를 설명 및 정의하고, 이러한 요소들이 어떻게 작동하는지 다룰 것입니다. 또한 CNN 효율성에 영향을 미치는 파라미터들도 명시할 것입니다. 본 논문은 독자들이 기계학습과 인공신경망에 대해 충분한 지식을 갖추고 있다고 가정합니다.