합성곱 신경망(CNN)의 활용성 및 전망

목차

Ⅰ. 서론

Ⅱ. 본론
1. 합성곱 신경망(CNN)
2. 활용성 및 전망

Ⅲ. 결론

Ⅳ. 참고문헌

본문내용

Ⅰ. 서론

“알파고를 통해 인공지능이 전 세계의 관심을 끌게 되었다. 인공지능은 오랜 침체기를 거쳐 클라우드 컴퓨팅 환경의 급속한 발전과 빅데이터가 뒷받침되어 디프러닝이 구현되는 극적인 돌파구가 열리면서 전환기를 맞았다. 이제 인공지능은 4차 산업혁명의 핵심 요소로 떠올랐다.
인공지능은 근본적으로 인간의 정신적 모델을 현실 세계로 구현하려는 데서 출발한다. 즉 인간의 지능을 데이터화한다는 말이다. “최근에는 특칭 추출 알고리즘의 장점과 매칭의 신뢰도가 높은 장점을 활용한 이미지 딥(deep) 학습 기술 방법인 이미지 딥 러닝(imagedeep learning)의 합성곱 신경망(Convolutional Neural Network, CNN)기술이 주목 받고있다.
데이터를 어떻게 분류할 것인가를 놓고 이미 많은 기계학습 알고리즘이 등장했다. ‘인공신경망’ 이 대표적이다. 특히 신경망이라고 하는 인간의 뇌 처리 능력과 구별하여 인공신경망이라고 한다. 인공신경망은 인간의 신경을 흉내 낸 머신러닝 기법이다. 그중에서도 인공신경망의 한 종류인 합성곱 신경망(Convolutional neural network, CNN)을 소개하려고 한다. 또한 합성곱 신경망의 활용성 및 전망에 대해서도 밝힐 예정이다.

참고 자료

김대호, 4차 산업혁명, 커뮤니케이션북스, 2016.10.20.
김성필, 딥러닝 첫걸음: 머신러닝에서 컨벌류션 신경망까지, 한빛미디어, 2016.
하의륜. "합성곱 신경망(CNN)기반 이미지 처리 시스템" VOL.- NO.- (2018)
김종우, 윤기현, 허진혁, 전광일. (2019). 합성곱 신경망을 이용한 언어장애인용 문장 인식. 한국 정보과학회 학술발표논문집, (), 1600-1602.
이모세, 안현철, (2017), 합성곱 신경망을 이용한 주가지수 등락 예측. 한국 지능정보시스템학회 학술대회논문집, (), 51-51
이동규, (2018), 합성곱 신경망을 사용한 화물차의 차종분류, 융합정보논문지(구 중소기업융합학회논문지), 8(6), 375-380
윤여수, 김광백, 박현준. (2020). 합성곱 신경망을 이용한 구글 어스에서의 녹지 비율 측정. 한국정보통신학회논문지, 24(3), 349-354.
최선주. "인공지능 창작물의 예술적 가능성 탐구" VOL.- NO.- (2018)
구형일. 2018.07인공지능 및 딥러닝 동향, 대한 전기 학회 67권 제7호 7-12
https://terms.naver.com/entry.nhn?docId=3612019&cid=58598&categoryId=59316
https://ko.wikipedia.org/wiki/%ED%95%A9%EC%84%B1%EA%B3%B1_%EC%8B%A0%EA%B2%BD%EB%A7%9D
https://aroundck.tistory.com/5344