뉴로 컴퓨터 개론 제 1 장 충 북 대 학 교 오 창 석
제 1 장 뉴로 컴퓨터
차례 1.1 인간의 뇌를 모방한 뉴로 컴퓨터 1.2 뉴로 컴퓨터를 응용하는 절차 1.3 새롭게 조명되는 뉴로 컴퓨터
인간의 뇌를 모방한 뉴로 컴퓨터
컴퓨터 개발 목적 인간을 본떠 만든 기계에 복잡한 계산이나 반복 되는 업무를 맡김으로써 사람들이 잡다한 일로부터 해방되어 좀더 편안한 삶을 영위하기 위함
인간과 다른 디지털 컴퓨터 컴퓨터가 눈부시게 발전한 현 시점에서 볼 때 디지털 컴퓨터가 실제 인간과는 너무도 다른 형태임을 의심할 여지가 없다.
디지털 컴퓨터의 한계 디지털 컴퓨터는 수치 계산 등 잘 정의된 업무 처리에 있어서는 상상을 초월할 정도 로 발전되고 있지만 연상, 추론, 인식 등 인간이 수월하게 처리하는 특정 분야에 대해서는 아직도 상당한 문제가 있다.
뉴로 컴퓨터란 디지털 컴퓨터의 문제점을 해결하기 위하여 인간 두뇌의 정보 처리 방식을 모방한 컴퓨터이다.
인간의 뇌 수많은 뉴런들이 거미줄처럼 연결되어 있는 신경망 구조
신경망 구조를 이용한 뉴로 컴퓨터 엄밀한 의미에서는 신경망 구조를 이용 하여 만든 컴퓨터가 뉴로 컴퓨터이지만 일반적으로는 뉴로 컴퓨팅, 신경망, 신경 회로망 등의 용어로서 혼용되고 있음
신경망 모델 인간 뇌의 신경망 구조를 모델링한 것
신경망 모델 연구 신경망 모델에 관한 연구가 의학, 전자, 컴퓨터 등 다양한 학문 분야에서 진행되고 있음
다양한 신경망 모델 현재 수십 가지의 신경망 모델이 존재하는 것도 여러 학문 분야에서 독자적으로 신경망에 대한 연구를 하였기 때문이며, 이로 인해 뉴로 컴퓨터라는 학문을 새로 접하는 많은 사람들을 당황하게 만들기도 한다.
새로 조명되는 뉴로 컴퓨터 뉴로 컴퓨터의 근간을 이루는 신경망 모델은 오래 전부터 연구되기 시작 디지털 컴퓨터의 급속한 발전으로 인해 관심을 끌지 못함 최근에 와서야 디지털 컴퓨터의 약점을 보완하기 위해 다시 새로운 연구 분야로서 주목 받고 있음
뉴로 컴퓨터의 특징 디지털 및 아날로그 데이터를 처리할 수 있다. 데이터를 병렬로 처리한다. 뉴로 컴퓨터를 구성하는 기본 소자는 뉴런이다. 학습에 의해 업무가 실행된다. 뉴런들간의 연결 강도에 정보를 저장한다. 내용에 의해 정보를 검색한다. 연상, 인식 등 다양한 분야에 응용된다.
뉴로 컴퓨터와 디지털 컴퓨터의 비교 뉴로 컴퓨터 디지털 컴퓨터 처리 자료 처리 방식 기본 소자 실행 근거 정보 저장 정보 검색 응용 분야 디지털, 아날로그 병렬 처리 뉴런 학습 뉴런간 연결 강도 내용 연상, 인식 디지털 순차 처리 논리 소자 프로그램 기억 장치 주소 지정 복잡한 계산
뉴로 컴퓨터를 응용하는 절차
응용 절차 응용에 대한 세부적인 분석 ↓ 신경망 모델 선택 신경망 구조 설계 신경망 학습 신경망 구현 특정 분야에의 응용
응용에 대한 세부적인 분석 신경망에 입력되는 자료 원하는 출력
신경망 모델 선택 응용 목적에 적합한 신경망 모델 선택 모델을 잘못 선택하면 원하는 결과를 얻지 못함
신경망 구조 설계 뉴런의 수 뉴런의 배치 뉴런의 연결 형태
신경망 학습 학습 학습 방법 선택 지도 학습 / 자율 학습 학습 패턴의 특징 추출 정보량 및 처리 시간을 줄이고 성능 향상 뉴런들의 연결 강도 변경 학습 방법 선택 지도 학습 / 자율 학습 학습 패턴의 특징 추출 정보량 및 처리 시간을 줄이고 성능 향상
신경망 구현 VLSI 광학적 시뮬레이션
새롭게 조명되는 뉴로 컴퓨터
초창기 1943년 W. McCulloch & W. Pitts McCulloch-Pitts 모델 1949년 D. Hebb
전성기 1958년 F. Rosenblatt MARK I 퍼셉트론 1960년 B. Widrow & M. Hoff ADALINE MADALINE
암흑기 1969년 M. Minsky & S. Papert 퍼셉트론의 문제점 제기 1978년 G. Carpenter & S.Grossberg ART(Adaptive Resonance Theory) 모델
중흥기 1982년 J. Hopfield Hopfield 모델 순환 연상 메모리
중흥기 1982년 T. Kohonen 1982년 D. Paker BP(Back Propagation) 알고리즘 SOM(Self Organizing Map) 1982년 D. Paker BP(Back Propagation) 알고리즘
중흥기 1985년 B. Kosko BAM(Bidirectional Associative Memory) 1986년 R. Hecht-Nielsen CP(Counter Propagation) 모델