핵심 요약
현대자동차의 연구자는 딥러닝의 본질을 인공신경망과 함수 근사로 설명하고, 문제를 입출력 벡터로 정의하는 것이 시작점임을 강조합니다.
주요 경험
- 인공신경망은 입력-출력 관계를 모델링하는 도구로, 은닉층이 핵심 역할을 한다고 설명했습니다.
- 퍼셉트론의 한계(XOR 문제)와 다층 퍼셈트론의 연결 구조가 딥러닝의 기초를 만든다는 점을 다뤘습니다.
- 보편적 근사 정리에 따라 은닉층+비선형 활성화 함수가 다양한 연속함수를 근사할 수 있다는 수학적 근거를 제시했고, 빅데이터의 중요성도 언급했습니다.
얻은 인사이트
- 문제를 함수로 벡터화하는 절차의 중요성을 재확인했습니다.
- 패턴 학습과 빅데이터의 역할이 DL 성능의 핵심 변수임을 시사했고, 향후 주제로 이 주제를 차근차근 다룰 계획임을 밝힙니다.
