인공지능 : Backpropagation Algorithm 개념, 필요성

백프로포제이션이 필요한 이유는 무엇입니까?

신경망을 설계하는 동안 처음에는 무작위 값이나 그 사실에 대한 변수를 사용하여 가중치를 초기화합니다.

 

명백하게, 우리는 초인적인 사람이 아닙니다. 따라서, 우리가 선택한 어떤 Weight 값이든 정확할 필요는 없습니다. 

처음에는 몇 가지 Weight 값을 선택했지만, 모델 출력은 실제 생산량과 너무 달라집니다. 즉, 오류 값이 엄청 큽니다.

어떻게 오류를 줄일 수 있을까요?

기본적으로, 우리가 해야 할 일은 모형을 어떻게든 설명하여 파라미터를 변경해야 합니다(가중치).

다른 방법으로는, 우리의 모델을 훈련시킬 필요가 있습니다.

모델을 훈련시키는 한 가지 방법은 백프로파게이션이라고 불립니다. 아래 다이어그램을 고려합니다.

신경망을 교육 - 백프로파게이션

위 단계를 요약하면 다음과 같습니다.

오류 계산 – 실제 출력에서 얼마나 멀리 출력되는지 계산

최소 오류 – 오류가 최소화되었는지 확인

매개 변수 업데이트 – 오류가 크면 매개 변수(가중치 및 편차)를 업데이트합니다. 그 후에 오류를 다시 확인합니다. 오류가 최소가 될 때까지 프로세스를 반복합니다.

예측 가능한 모형이 준비되었습니다. 오류가 최소가 되면 일부 입력을 모형에 입력하면 출력이 생성됩니다.

이제 왜 백프로포제이션이 필요한지, 왜 그리고 모델을 훈련시키는 것의 의미에 대해 알 수 있습니다.

백프로포제이션이란 무엇입니까?

Backpropagation 알고리즘은 delta rule 또는 gradient descent는 기법을 사용하여 Weight Space의 오류 함수의 최소값을 찾습니다. 그런 다음 오류 기능을 최소화하는 Weigh은 학습 문제의 해결책으로 간주합니다.