(1) 기계 학습 알고리즘
기계학습(머신러닝)은 데이터를 이용해 기계를 훈련시켜, 스스로 결정을 내리거나 예측을 할 수 있도록 하는 인공지능의 한 방법이다.
기계학습 알고리즘은 사용자가 복잡한 데이터 세트에서 의미를 탐색하고 분석하고 찾는 데 도움을 주는 코드 조각이다. 각 알고리즘은 특정 목표를 달성하기 위해 머신이 따를 수 있는 명확한 단계별 지침의 한정된 세트이다. 기계학습 모델에서 목표는 사용자가 예측을 수행하거나 정보를 분류하는 데 사용할 수 있는 패턴을 설정하거나 검색하는 것이다.
기계학습 알고리즘에는 지도형 기계학습, 비지도형 기계학습, 준지도형 기계학습, 강화형 기계학습 등의 네 가지 주요 범주가 있다.
(2) 딥러닝 알고리즘
딥러닝(Deep Learning)은 컴퓨터가 여러 데이터를 이용해 마치 사람처럼 스스로 학습할 수 있게 하기 위해 인공 신경망(ANN, Artificial Neural Network)을 기반으로 구축한 기술이다.딥러닝은 인간의 두뇌가 수많은 데이터 속에서 패턴을 발견한 뒤 사물을 구분하는 정보처리 방식을 모방해 컴퓨터가 사물을 분별하도록 기계를 학습시킨다.
딥러닝 기술을 적용하면 사람이 모든 판단 기준을 정해주지 않아도 컴퓨터가 스스로 인지, 추론, 판단할 수 있게 된다. 음성, 이미지 인식과 사진 분석 등 광범위하게 활용되며, 딥러닝 기술에 기반한 컴퓨터 프로그램 중 가장 알려져 있는 예시로는 구글 '알파고'가 있다. 머신러닝의 경우 컴퓨터에게 먼저 다양한 정보를 가르치고 그 학습한 결과에 따라 컴퓨터가 새로운 것을 예측한다. 반면에, 딥러닝은 머신러닝의 심화된 기술로서 인간의 가르침이라는 과정을 거치지 않아도 스스로 학습하고 미래의 상황을 예측할 수 있다.
딥러닝 알고리즘에는 심층 신경망(DNN, Deep Neural Network), 합성곱 신경망(CNN, Convolution Neural Network), 순환 신경망(RNN, Recurrent Neural Network), 제한 볼츠만 머신(RBM, Restricted Boltzmann Machine), 심층 신뢰 신경망(DBN, Deep Belief Network) 등이 있다.
인공지능 분야에서 신경망은 보통 인공신경망을 지칭한다.
인공신경망은 기계학습과 인지과학에서 생물학의 신경망(동물의 중추신경계중 특히 뇌)에서 영감을 얻은 통계학적 학습 알고리즘으로, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)이 학습을 통해 시냅스의 결합 세기를 변화시켜, 문제 해결 능력을 가지는 모델 전반을 가리킨다. 좁은 의미에서 오차역전파법을 이용한 다층 퍼셉트론을 가리키지만, 실제 이에 국한하지 않는다.
본 연구는 규칙기반 프로그래밍으로 풀기 어려운 컴퓨터 비전 또는 음성 인식과 같은 다양한 범위의 문제 해결을 위해 C 프로그램 코딩을 중심으로 하는 인공신경망 알고리즘 개발을 목표로 한다.