혼돈의 태두 : 포앙카레에대해

본문내용

계산이 되어 상위층으로 동시에 전달이 되고 모여진 정보는 또 다시 병렬적으로 계산되어 상위층으로 전달되는 메커니즘을 이루어야 하지만, 현재의 컴퓨터시스템은 이를 순차적으로 계산하여 시뮬레이션을 하고 있는 수준에 머물러 있다.
이러한 시뮬레이션을 담당하는 알고리즘은 다층 신경망을 학습시키기 위해 역전파 알고리즘이 널리 사용되고 있다. 일반적인 역전파 알고리즘은 최급강하법을 이용하여 오차합이 최소화 되도록 가중치를 반복적으로 변화시켜 나가는 알고리즘이다. 이 알고리즘의 단점인 긴 훈련기간, 극소점 문제, 이상치(outlier)에 민감하다는 문제를 극복하기 위해 많은 사람들이 수정된 역전파 알고리즘에 관심을 가지고 연구를 계속하고 있다.
향후 연구 방향은 의학, 통계학, 심리학, 신경과학, 인지학 및 시스템 이론등의 각 분야에서 제시된 이론과 실험방법들이 공학분야에서 신호처리, 로보틱스, 컨트롤, 문자인식, 지문인식 화상인식, 패턴인식 그리고 컴퓨터그래픽 분야에 이르기까지 다양한 분야에서 활용될 수 있는 발전된 로버스트 역전파 알고리즘을 개발하는 연구에 관심이 있다.
신경회로 컴퓨터 신경회로 컴퓨터는 근원을 캐어보던 인간의 사고능력에 대한 호기심에서 출발했다고 볼 수 있는 만큼 그 기원은 대단히 오래되었다고 생각되지만 최초로 구체적인 신경회로 컴퓨터를 만들려는 시도가 나타난 것은1940년 대였다. McCulloch and Pitts, Hebb,Lashley 등이 각각 최초의 신경회로 모델, 학습원리, 분산지식표현 등에 대한 연구를 발표하였고그후1962년에 Rosenblatt에 의해 Perceptron이 등장하면서 많은 사람들에 의해 주목을 받게 된다. 1960년대는 Minsky나 McCarthy로 대표되는 symbol manipulating AI group과 Rosenblatt로 대표되는 신경회로 지지 group 이 첨예 되게 대립하였던 시기였다. Minsky나 McCarthy가 인간의 능력을 simula- te하는 것만을 중시하고 어떻게 두뇌가 그것을 하는가에 더 관심을 두었다고 할 수 있다. 그러나 1969년 Minsky와 Papert에 의해 Perceptron의 한계가 제시되었고 Von Neumann형 컴퓨터의 발달과 standard AI의 성공으로 인해 신경회로 연구는 침체기로 접어든다. 그러나 70년대 후반부터 기존 AI method의 문제점이 들어남과 동시에 신경회로 컴퓨터의 여러 가지 유용한 특성이 발견되면서 신경회로 컴퓨터는 다시 각광을 받게 된다. 많은 사람들이 AI의 문제는 software문제라고 생각해 왔다. 즉, 적절한 computer program만 있으면 인간의 정보처리 능력을 흉내낼 수 있으리라 는 생각이다.
그러나 오늘날 신경회로 학자들은 인간이 natural information처리에 있어서 우수한 이유는 근본적으로 computational architec- ture가 기존 컴퓨터와 다르기 때문이라고 생각한다. 즉, 인간 두뇌의 neuron들이 속도가 느리고 simple함에도 불구하고 복잡한 multiple con- straint problem을 기존 컴퓨터보다 잘 푸는 이유는 하드웨어가 다르기 때문이라는 것이다. 신경회로 컴퓨터는 이와 같은 인간두뇌에서 영향을 받아 만들어진 컴퓨터이다. 즉,simple한 unit들을 massive하게 모아 구조적으로 parallel하도록 만든 모델이다. 또한 인간의 두뇌와 비슷하게 spontaneous generalization ,graceful degradation( fault tolerance )등의 특징도 보여준다. 또한 기존 컴퓨터처럼 복잡한 software coding이 필요없다.

키워드

혼돈의 태두 : 포앙카레에대해,   삼체운동의 복잡한 궤도,   카오스의 발견,   결정론적 비선형 예측