본문으로 건너뛰기
AI 도감

딥러닝

특징 설계를 다층 네트워크에 맡긴다

OVERVIEW

전체 항목
6
입문
2
중급
3
고급
1

The turning point of deep learning was not “more layers” but the discovery that with enough width, data and stable optimisation, the intermediate abstractions grow on their own. This domain starts from a single neuron and works up to backpropagation, convolution, attention and the normalisation tricks that make depth actually trainable.

이 영역이 답하는 질문

  • Q1

    What is a single neuron actually computing?

  • Q2

    How does backpropagation carry error backwards?

  • Q3

    Why are deeper networks harder to train?

이 영역의 항목

  1. 01뉴런과 퍼셉트론입문신경망의 가장 작은 부품 — 가중합에 편향을 더하고 비선형성을 한 번 비틀다
  2. 02역전파중급‘기울기 계산’을 수학 노동에서 함수 한 번 호출로 — 딥러닝이 도약한 순간
  3. 03활성화 함수입문이것이 없으면 아무리 깊은 네트워크도 단 한 번의 선형 변환일 뿐이다
  4. 04합성곱 신경망중급‘국소적으로 보고, 같은 자를 어디서나 재사용’으로 완전 연결을 대체해 이미지 인식을 처음으로 실용화했다
  5. 05순환 신경망중급네트워크에 ‘기억’을: 같은 유닛을 시간에 따라 재사용해 임의 길이의 시퀀스를 다룬다
  6. 06정규화와 잔차 연결고급수백 층 네트워크를 실제로 학습 가능하게: 항등 지름길 하나와 층마다의 재조정