Multiclass Classification | Neural Network Additional Layer Types

Coursera Machine Learning Specialization > Supervised Machine Learning: Advanced Learning Algorithms > Neural Network Intuition

 

Neural Network에서 대부분은 이전 레이어에서 온 activation을 사용했다. 코드에서는 Dense layer 타입을 사용했고, 이것을 이용해 꽤 강력한 인공신경망 모델을 만들 수 있었다. 하지만 어떤 분야에서는 Layer마다 다른 타입의 레이어가 필요한 경우가 있었다. 이것을 Convolutional Layer라고 부른다.

 

 

researchGate

 

이미지 판독을 할 떄, 예를 들어 30*30의 뉴런의 레이어가 있다고 가정해보자. 아래 그림을 보자.

 

researchGate

 

Convolutional Layer에서는 한 뉴런이 이전 레이어의 특정 부분만 보게 된다. 먼저, 계산이 빨라지고, 트레이닝 데이터의 양이 줄어든다. 입력 영상이나 이미지의 특정 영역만 바라보는, 이러한 유형의 계층을 Convolution Layer라고 한다.

 

 

 

Reference

Coursera Machine Learning Specialization > Supervised Machine Learning: Advanced Learning Algorithms > Neural Network Intuition

고급 학습 알고리즘

https://www.researchgate.net/figure/Overview-of-convolutional-layers-A-convolutional-layer-consists-of-one-or-more-channels_fig4_339170912

 

https://www.researchgate.net/figure/Handwritten-digit-recognition-by-the-CNN-based-on-memristive-neuron-a-an-example-of_fig4_327162027