오토인코더?
:: 대표적인 비지도 학습(Unsupervised Learning, 데이터의 숨겨진 특징을 찾는 것이 목표)을 위한 인공신경망 구조 중 하나
출력층 Output Layer의 노드 개수와 입력층 Input Layer의 노드 개수가 동일한 구조의 인공신경망이라고 생각하면 된다.
따라서, 오토인코더의 출력은 원본 데이터 Raw Data를 재구축 Reconstruction한 결과가 된다.
똑같은 결과가 나오는데 이를 왜 사용할까?
오토인코더의 핵심은 은닉층의 출력값이다.
오토인코더의 구조를 보면 입력층과 출력층의 노드 개수보다 은닉층의 노드 개수가 적다는 것을 알 수 있다.
더 작은 표현력으로 원본 데이터의 모든 특징들을 학습해야 하기 때문에 이 출력값은 원본 데이터에서 불필요한 특징들을 제거한 압축된 특징들을 학습하게 된다.
따라서 은닉층의 출력값을 원본 데이터 대신에 분류기 Classifier의 입력으로 사용한다면 더욱 좋은 분류 성능을 기대할 수 있다.
'Study > Deep Learning' 카테고리의 다른 글
| CNN(Convolutional Neural Networks) (0) | 2021.10.17 |
|---|---|
| CNN 의 등장 (0) | 2021.10.16 |
| TensorFlow 2.0과 ANN을 이용한 MNIST 숫자분류기 구현 (0) | 2021.10.15 |
| 다층 퍼셉트론 MLP (0) | 2021.10.15 |
| TensorFlow 2.0과 Softmax Regression을 이용한 MNIST 숫자분류기 구현 (0) | 2021.10.15 |