기본 RNN(Vanilla RNN)

1 / 18

100%

순차 데이터(Sequential Data)는 순서가 의미를 결정하는 데이터입니다. 텍스트에서 "개가 사람을 물었다"와 "사람이 개를 물었다"는 단어 순서만 다르지만 의미가 완전히 다릅니다. 음성, 시계열, 비디오 등도 모두 시간 순서에 따라 의미가 변합니다. FC 네트워크와 CNN은 입력의 순서 정보를 활용할 수 없습니다. FC는 입력을 고정 크기 벡터로 받고, CNN은 지역 패턴만 감지합니다. RNN(Recurrent Neural Network)은 이 순서 정보를 모델링하기 위해 설계되었습니다. RNN의 핵심 아이디어는 은닉 상태(hidden state) 를 통해 이전 입력의 정보를 기억하는 것입니다. 각 시간 단계에서 현재 입력과 이전 은닉 상태를 결합하여 새로운 은닉 상태를 생성합니다. 이 과정이 시퀀스 끝까지 반복되며, 최종 은닉 상태에 전체 문맥이 요약됩니다. RNN의 이론적 기반인 시간 역전파(BPTT) 알고리즘은 Werbos가 제안한 동적 시스템의 기울기 계산 방법이다 (Werbos, 1990).

0:00 / 2:32

이런 분들이 찾고 있어요

이 레슨과 관련된 학습 키워드

CS/AI 전공 대학생

딥러닝 기말고사딥러닝 중간고사인공지능 전공 정리딥러닝 과제신경망 시험 대비

비전공/입문자

딥러닝 쉽게 설명딥러닝이란AI 기초 공부딥러닝 독학딥러닝 입문 추천

취준생

딥러닝 면접 질문AI 엔지니어 준비딥러닝 포트폴리오

직장인

딥러닝 실무 적용AI 업스킬링직장인 딥러닝 강의

대학원생/연구자

딥러닝 최신 동향neural network 서베이

AI 교육 플랫폼

AI 교육 플랫폼 추천AI 강의 사이트머신러닝 온라인 강의딥러닝 강의 추천

AI 독학/로드맵

AI 독학 방법머신러닝 공부 순서딥러닝 로드맵머신러닝 독학 로드맵

AI 취업/커리어

AI 취업 준비데이터 사이언티스트 강의ML 엔지니어 준비AI 면접 준비