ANN

ANN (Artificial Neural Network) 인공신경망

• 사람의 신경망 원리와 구조를 모방하여 만든 기계학습 알고리즘
  → 인간의 뇌에서 뉴런들이 어떤 신호, 자극 등을 받고 그 자극이 어떠한 임계값(threshold)을 넘어서면 결과 신호를 전달하는 과정에서 착안한 것. 여기서 들어온 자극, 신호는 인공신경망에서 Input Data이며, 임계값은 가중치(weight), 자극에 의해 어떤 행동을 하는 것은 Output Data에 비교하면 된다.

• 인공신경망은 시냅스의 결합으로 네트워크를 형성한 인공뉴런(Node)이 학습을 통해 시냅스의 결합 세기를 변화 시켜 문제 해결 능력을 가지는 모델 전반을 의미.
• 다수의 입력 데이터를 받는 입력층(Input Layer), 데이터의 출력을 담당하는 출력층(Output Layer), 입력과 출력층 사이에 존재하는 레이어들(은닉층, Hidden Layer)이 존재.
• 은닉층(Hidden Layer)의 개수와 노드의 개수를 구성하는 것을 모델을 구성한다고 함.
  (이 모델을 잘 구성하여 원하는 Output 값을 잘 예측하는 것이 엔지니어가 해야 할 일.)
• 은닉층에서는 활성화함수(Activation Function)을 사용하여 최적의 가중치(weight)와 편향(Bias)을 찾아내는 역할을 함.

❗ ANN 문제점

• 학습 과정에서 파라미터에서 최적값을 찾기 어려움. 출력값을 결정하는 활성화함수의 사용은 기울기 값에 의해 weight가 결정되었다. 이런 gradient값이 뒤로 갈수록 점점 작아져 0에 수렴하는 오류를 발생시키기도 하며, 부분적인 에러를 최저 에러로 인식하여 더이상 학습을 하지 않는 경우도 있다.
• 과적합(Overfitting)에 따른 문제
• 학습시간이 너무 느림. 은닉층이 많으면 학습하는데에 정확도가 올라가지만 그만큼 연산량이 기하급수적으로 늘어남

forecasting of construction machinery risk with ANN model (SPSS)

2019년 학부시절 ann 모델을 이용한 건설기계 위험인지도 예측에 관한 연구를 수행한 경험이 있다.
그 당시 실제 건설현장 기계 조종사들을 대상으로 문항을 받고 SPSS의 ann을 이용하여 다음 항목 순으로 중점적으로 관리하면 중대사고를 경감할 수 있다는 결론을 내었었다.

• 건설기계 미점검에 의한 전도 및 낙하 사고
• 신호수 미배치에 의한 충돌사고
• 용도외 작업에 의한 전도 충돌 사고

아쉬운점

• 당시 ANN에 대한 이해도가 낮은 상태로 hidden layer의 구성을 마구 대입하였었다.
• 현장에 대한 경험이 없었기에 설문 문항 준비에 있어 미흡한 점이 많았다.

회고

• 지금과 같이 지식을 더 쉽게, 그리고 더 빠르게 찾고 이해할 능력이 되었다면 더 양질의 연구 결과 및 논문을 쓰지 않았을까?
• 역시 새로운걸 배우는건 늘 짜릿하다.