강화학습 기초 - 신경망 작동 방법, 신경망 학습 방법

유데미 강의를 참고하여 글을 작성하였습니다

 

 

목차

1. 신경망 작동 방법 

2. 신경망 학습 방법 

 

 

신경망 작동 방법 

부동산을 예로 들어 설명하겠다

입력값에는 집의 면적, 방의 개수, 도시와의 거리, 건물의 나이로 총 4개의 입력값이 있다

그리고 입력값에 해당하는 가중치를 곱한 값들의 합이 최종 결과인 가격이 된다

 

이 상태에서 중간에 Hidden Layer가 생성되고 각각의 이름의 위와 같이 정했다

짱구는 면적, 방의 개수가 중요하고 도시와의 거리, 건물의 나이는 중요하지 않게 생각한다

 

짱구에게 면적과 방의 개수만 중요하므로 도시와의 거리, 건물의 나이는 삭제하였다

 

짱구와 같은 방법으로 다른 친구들에게도 각각 중요하게 생각하는 것들만 연결해 보았다

 

여러 사람이 중요하게 생각하는 것들을 하나로 모으면 집을 지을 때 어떤 것을 우선적으로 고려해야 할지 정할 수 있다

이 예시가 신경망 작동 방법이고 가중치가 각각의 뉴런에게 다르게 적용이 된 경우이다

 

 

신경망 학습 방법

위의 작동방법을 이용하여 학습이 진행된다

이전 글에서 입력값, 가중치, 활성화함수를 적용하여 최종 결과가 나온다고 했다

 

입력값, 가중치, 활성화 함수를 적용한 결과로 예측한 값이 나올 것이고 이 값은 y 값에 모자를 씌워 y hat이라고 표현한다

그리고 예측한 값이 있다면 입력값에 대한 실제 결과값이 존재할 것이다

 

예측값과 실제값이 일치한다면 좋겠지만 위 표에서 처럼 대부분의 경우 차이가 발생할 것이다

 

예측값과 실제값의 차이를 줄이기 위해 비용함수를 추가한다

비용함수( Cost Function )는 여러 가지가 존재하고 대표적으로 사용되는 함수를 선택했다

이 함수는 경사하강법에서 자주 사용되어 비용함수에도 자주 사용되는 함수이다

 

입력값과 가중치, 활성화 함수를 적용하여 만들어진 예측값과 실제값을 이용하여 비용함수를 적용한다

그리고 다시 되돌아가 가중치를 조절한다

 

위에서 수정된 가중치를 이용하여 다시 입력값과 가중치, 활성화 함수를 적용하여 예측값을 만들어내고

다시 되돌아가 가중치를 조절한다

 

이 과정은 비용함수의 값이 0이 될 때까지 진행된다

 

위와 같이 비용함수의 값이 0이 되면 학습이 종료된다

 

 

위 과정을 표와 그래프를 사용해 추가적으로 확인해 보겠다

여기서 중요한 것은 왼쪽 상단에 위치한 1개의 뉴런(함수)을 대상으로 진행되는 것이다

 

오른쪽 상단에 위치한 표에서 5개를 모두 계산한 뒤 예측값이 생성되면 비용함수를 적용해서 가중치를 재조정한다

 

위와 같은 방식으로 5개를 모두 계산하고 가중치를 조정하는 방식으로 비용함수의 값을 낮춘다

 

비용함수가 0이 되면 가중치의 값이 최적화되었다고 볼 수 있다