【인공지능】 2024 국가공무원 5급(기술) 제2문

2024 국가공무원 5급(기술) 제2문^]

 

추천글 : 【인공지능】 인공지능 기술고시 목차 

---

a. CNN 신경망

---

 

Q. 합성곱 신경망(convolutional neural network)에 대한 다음 물음에 답하시오. 

 

Q1. 영상 인식 문제를 다루는 합성곱 신경망에서 합성곱 계층(convolution layer)과 완전연결계층(fully connected layer)의 역할을 구분하여 설명하시오.

 

A1. 

완전연결계층은 각 레이어 내 모든 요소들끼리 연결된 전통적 개념의 다층 퍼셉트론 계층을 지칭하는 반면, 합성곱 계층은 기존 영상 처리의 필터 기능(convolution)과 신경망을 결합하여 일부분에 국한하여 얻은 패턴들로 빠짐없이 전체 영상의 패턴을 인식하도록 도모한 것이다. 그 '일부분'의 의미가 다양하게 정의될 수 있어서 완전연결계층도 엄밀하게는 전체라는 '일부분'이라는 점에서 합성곱 계층의 특수한 예에 해당한다. 완전연결계층은 파라미터가 너무 많이 필요해 (입력 사이즈를 W × H × C, 출력 사이즈를 W' × H' × K라고 하면 바이어스까지 고려하여 완전연결계층에서 필요한 총 파라미터의 수는 (W × H × C + 1) × (W' × H' × K)개) computing burden이 크고 학습시간이 오래 걸려 합성곱 계층으로 대체되는 게 일반적이다. 그러나 합성곱 계층의 두 가지 가정, spatial locality (이미지 전체가 아닌 일부분에 국한하여 얻은 패턴들로 빠짐없이 전체 사물의 패턴을 알아낼 수 있는 것)와 positional invariance (위치나 시선각에 따라서 동일한 패턴을 인식할 것이라는 것)가 성립한다는 전제가 없으면 합성곱 계층이 아니라 완전연결계층을 사용하여야 한다.

 

Q2. 다음 입력 데이터와 커널(kernel)에 대하여 합성곱(convolution)을 수행한 출력 결과를 구하시오. (단, 크기가 1인 0패딩(zero padding)을 적용하고, 보폭(stride)은 1이다) 

 

 

A2.

 

최종 정답

 

입력: 2025.08.12 23:06