인공신경망 분석 · 개념 그림 + 기출문제 통합 학습 HTML

CONCEPT 01

뉴런의 구조와 가중치

1 / 2

입력신호(x)의 가중합(X=Σxᵢwᵢ)을 활성화 함수로 처리해 출력(Y)을 결정 — 가중치는 입력 신호의 "중요도"를 학습 과정에서 조절하며 결과 도출에 핵심적인 역할을 한다.

↓ 기출 1번 연결 ↓

QUESTION 01

가중치의 역할

43회 기출

관련 문제

인공신경망 모형에서 가중치의 역할로 가장 적절한 것은?

① 데이터 차원 증대

② 입력 신호 강도 조절

③ 모형 복잡도 감소

④ 결과 데이터 크기 조절

정답 ②

가중치는 입력 신호의 중요도를 학습하는 과정에서 조절되며, 각 입력 노드의 영향을 반영하여 결과를 도출하는 데 핵심적인 역할을 한다. 나머지 선택지들은 가중치의 역할과는 무관하며, 데이터 차원 증대나 모형 복잡도 감소는 다른 기법에 해당한다.

핵심 암기 · 가중치(Weight) = 입력 신호의 "중요도·강도" 조절

CONCEPT 02

딥러닝 기법 — 드롭아웃과 앙상블 학습

2 / 2

드롭아웃(Dropout)학습 과정에서 무작위로 일부 노드를 제거해 과적합을 방지, 일반화 성능 향상

부스팅·결정트리·아다부스팅여러 모형의 결과를 결합하는 양상블 학습 기법

GAN(생성적 적대 신경망)생성자·판별자 두 신경망이 경쟁하며 학습 — 이미지 생성·딥페이크 등에 활용

↓ 기출 2번 연결 ↓

QUESTION 02

무작위 노드 제거로 일반화 성능을 높이는 기법

38회 기출

관련 문제

전체 신경망 노드 중 무작위로 노드를 선정해 다수의 모형을 구성하여 학습하고 각 모형의 결과를 결합해 예측 및 분류하는 기법은?

① 부스팅(Boosting) 기법

② 드롭아웃(Dropout) 기법

③ 결정 트리(Decision Tree) 기법

④ 아다부스팅(Adaboosting) 기법

정답 ②

드롭아웃은 학습 과정에서 무작위로 일부 노드를 제거하여 과적합을 방지하고, 모델의 일반화 성능을 향상시키는 기법이다. 부스팅, 결정 트리, 아다부스팅은 양상블 학습 기법에 해당하며, 드롭아웃과는 다른 방식이다.

핵심 암기 · 드롭아웃 = 신경망 "내부" 노드를 랜덤하게 끄는 과적합 방지 기법

좌우 버튼 · 키보드 ← → · 하단 점을 눌러 화면을 이동할 수 있습니다.