통상적인 신경망(딥러닝)은 목적함수(오차제곱합)를 최소화하는 수식을 만족시키는 weight,bias 배열을 찾기위해 편미분을 사용하거나 유전알고리즘을 사용하는데 (보통은 편미분)

 

neocognitron이라는 방법은 이 목적함수 방법으로 접근 하지 않고, 인간의 시신경 해부학적인 지식과 자기조직화 방법으로 접근.

 

동물(인간 포함)은 사실 목적함수 최소화 방법을 사용하기보다는 자기조직화 방법에 더 가까울거라고 추측

 

참고로 neocognitron은 Fukushima, Kunihiko 라는 저자가 고안해낸것으로 알고있고, 이후 이것의 아이디어를 일부 차용해서 CNN이 만들어진걸로 알고있음.

 

아래 그림은 파이썬으로 숫자인식하는 예제를 시험적으로 적용해서 학습하는 과정을 그림으로 시각화 해놓은것임. 첫번째 데이터('0')을 S2층에서 특징을 추출해서 S2의 plane들을 생성하고 해당 weight학습(SWgt_S2)을 하는 과정. 이 하나의 문자를 학습해서 S2층에서는 7개의 plane(및weight)가 생성된 상황.



23b8df25ead536af7aadd9bb9a37c8b72b2843853efe77d34e7547959a0703b1b7e9e3c95ef7ea