Our next topic, deep learning and neural networks, tends to attract more interest than many of the other topics.
우리의 다음 주제인 딥러닝과 신경망은 다른 많은 주제보다 더 많은 관심을 끌기 쉽습니다.
One of the reasons for the interest is the hope to understand our own mind, which emerges from neural processing in our brain. Another reason is the advances in machine learning achieved within the recent years by combining massive data sets and deep learning techniques.
이러한 관심이 있는 이유 중 하나는 뇌에서 뉴런을 처리함으로 나오는 우리 자신의 마음을 이해하려는 희망이 있기 때문입니다. 또 다른 이유는 대규모 데이터 세트와 딥러닝 기술을 결합하여 최근 몇 년간 달성한 머신러닝의 발전 때문입니다.
To better understand the whole, we will start by discussing the individual units that make it up. A neural network can mean either a “real” biological neural network such as the one in your brain, or an artificial neural network simulated in a computer.
전체를 더 잘 이해하려면, 우리는 그것을 구성하고 있는 개별적인 유닛들에 대한 토론을 먼저 시작해야 합니다. 신경망은 우리 뇌에 있는 "진짜" 생물학적 신경망 또는 컴퓨터에 구축된 인공적인 신경망을 의미합니다.
<aside> 💡 Key terminology
Deep learning Deep learning refers to certain kinds of machine learning techniques where several “layers” of simple processing units are connected in a network so that the input to the system is passed through each one of them in turn. This architecture has been inspired by the processing of visual information in the brain coming through the eyes and captured by the retina. This depth allows the network to learn more complex structures without requiring unrealistically large amounts of data.
</aside>
<aside> 💡 주요 용어
딥러닝 딥러닝은 간단한 처리 장치의 여러 "레이어"가 네트워크에 연결되어 시스템에 대한 입력이 각 장치를 차례로 통과하는 특정 종류의 기계 학습 기술을 말합니다. 이 구조는 눈을 통해 들어오는 뇌의 시각 처리가 망막에 의해 포착된 것에서 영감을 받았습니다. 이 깊이를 통해 네트워크는 비현실적으로 많은 양의 데이터를 요구하지 않고도 보다 복잡한 구조를 학습 할 수 있습니다.
</aside>
<aside> 💡 Neurons, cell bodies, and signals A neural network, either biological and artificial, consists of a large number of simple units, neurons, that receive and transmit signals to each other. The neurons are very simple processors of information, consisting of a cell body and wires that connect the neurons to each other. Most of the time, they do nothing but sit still and watch for signals coming in through the wires.
</aside>
<aside> 💡 뉴런, 세포체 및 신호 생물학적 네트워크와 인공 뉴럴 네트워크는 서로 신호를 주고받는 수많은 간단한 단위 뉴런으로 구성됩니다. 뉴런은 세포체와 뉴런을 서로 연결하는 전선으로 구성된 매우 간단한 정보 처리기입니다. 대부분의 경우, 그들은 여전히 앉아서 아무것도하지 않고 전선을 통해 들어오는 신호를 감시합니다.
</aside>
<aside> 💡 Dendrites, axons, and synapses In the biological lingo, we call the wires that provide the input to the neurons dendrites. Sometimes, depending on the incoming signals, the neuron may fire and send a signal out for the other neurons to receive. The wire that transmits the outgoing signal is called an axon. Each axon may be connected to one or more dendrites at intersections that are called synapses.
</aside>
<aside> 💡 수상 돌기, 축색 돌기 및 시냅스 생물학적 용어에서는 뉴런 수상 돌기에 입력을 제공하는 전선을 호출합니다. 때로는 들어오는 신호에 따라 뉴런이 발사되어 다른 뉴런이 수신하도록 신호를 보낼 수 있습니다. 발신 신호를 전송하는 전선을 축색 돌기라고합니다. 각 축색 돌기는 시냅스라고하는 교차점에서 하나 이상의 수상 돌기에 연결될 수 있습니다.
</aside>
Isolated from its fellow-neurons, a single neuron is quite unimpressive, and capable of only a very restricted set of behaviors. When connected to each other, however, the system resulting from their concerted action can become extremely complex. To find evidence for this, look no further than (to use legal jargon) "Exhibit A": your brain! The behavior of the system is determined by the ways in which the neurons are wired together. Each neuron reacts to the incoming signals in a specific way that can also adapt over time. This adaptation is known to be the key to functions such as memory and learning.
동료 뉴런에서 분리된 단일 뉴런은 매우 인상적이지 않으며 매우 제한된 동작 집합 만 가능합니다. 그러나 서로 연결되면, 공동 작업으로 인해 시스템이 매우 복잡해질 수 있습니다. 이에 대한 증거를 찾으려면 (법적인 전문 용어를 사용하기 위해) "제출물 A"를 찾아보십시오. 시스템의 행동은 뉴런이 서로 연결된 방식에 의해 결정됩니다. 각 뉴런은 시간이 지남에 따라 적응할 수있는 특정 방식으로 들어오는 신호에 반응합니다. 이 적응은 기억과 학습과 같은 기능의 열쇠로 알려져 있습니다.
Label the different components of a neuron into the diagram below. Hint: The input of the neuron comes from the left and the output goes to the right.
아래 다이어그램에 뉴런의 여러 구성 요소에 이름을 붙여보세요. 힌트: 뉴런의 입력은 왼쪽에서 와서 출력은 오른쪽으로 갑니다.
Synapse (connection)
Dendrite (input)
Cell body
Axon (output)