딥 러닝 알고리즘은 인간의 뇌를 모델로 한 신경망입니다. 

예를 들어 인간의 뇌 안에는 함께 작동하여 정보를 배우고 처리하는 수백만 개의 신경 세포가 상호 연결되어 있습니다. 

마찬가지로 딥 러닝 신경망 또는 인공 신경망도 컴퓨터 내부에서 함께 작동하는 여러 계층의 인공 신경 세포로 구성됩니다.

인공 신경 세포를 노드라고 하며 이 노드는 수학적 계산을 사용하여 데이터를 처리하는 소프트웨어 모듈입니다. 

인공 신경망은 이 노드를 사용하여 복잡한 문제를 해결하는 딥 러닝 알고리즘입니다.

딥 러닝 네트워크의 구성 요소는 무엇인가요? 

심층 신경망의 구성 요소는 다음과 같습니다.

입력 계층

인공 신경망에는 데이터를 입력하는 여러 노드가 있습니다. 이러한 노드는 시스템의 입력 계층을 구성합니다.

은닉 계층

입력 계층은 데이터를 처리하여 신경망의 다른 계층으로 전달합니다. 

이 은닉 계층은 서로 다른 수준에서 정보를 처리하고 새 정보를 수신할 때마다 동작을 조정합니다. 

딥 러닝 네트워크에는 여러 각도에서 문제를 분석하는 데 사용할 수 있는 수백 개의 은닉 계층이 있습니다.

예를 들어 알 수 없는 동물의 이미지를 받아서 이를 분류해야 한다면 이미 알고 있는 동물과 비교할 수 있습니다. 

예를 들어 눈과 귀의 모양, 크기, 다리 수, 털 패턴을 볼 수 있습니다. 

다음과 같은 패턴을 식별하려고 할 수 있습니다.

• 이 동물에는 발굽이 있으므로 소나 사슴일 수 있습니다.
  
• 이 동물은 고양이 눈을 가지고 있으므로 어떤 종류의 야생 고양이가 될 수 있습니다.
  

심층 신경망의 은닉 계층도 같은 방식으로 작동합니다. 

딥 러닝 알고리즘으로 동물 이미지를 분류하려는 경우 각 은닉 계층은 동물의 다른 특징을 처리하고 정확하게 분류하려고 시도합니다.

출력 계층

출력 계층은 데이터를 출력하는 노드로 구성됩니다. 

‘yes’ 또는 ‘no’라는 답을 출력하는 딥 러닝 모델은 출력 계층에 노드가 2개만 있습니다. 

반면에 더 넓은 범위의 답변을 출력하는 모델에는 더 많은 노드가 있습니다.