# 1.

다음 중 인공신경망에 대해 잘못 설명한 것을 고르세요.

1. 인공신경망은 생물학적 뉴런이 특정 임계점을 넘으면 다른 세포에 신호를 보낸다는 점에서 영감을 받아 만들어진 머신러닝 기법이다.

2. 다른 머신러닝 모델과 비교했을 때, 인공신경망 모델은 비정형 데이터에 대해 높은 성능을 보인다.

3. 심층신경망의 은닉층에서 선형 계산이 일어나게 하기 위해, 은닉층에 활성화 함수를 사용한다.

4. 심층신경망에서 과대 적합을 막기 위해 L1, L2 Regularization 기법을 사용할 수 있다.

5. 심층신경망에 Dropout 기법을 사용하면 과대 적합을 방지할 수 있으며, 학습 속도 또한 빨라진다.

⇒ 정답 : 3

3 : 심층신경망의 은닉층에 활성화 함수를 사용하는 이유는 입력값에 대해 출력의 결과가 비선형성을 갖도록 해주기 위함이다.

# 2.

다음 중 심층신경망에 대해 올바르지 않은 것을 모두 고르시오.

1. 은닉층과 출력층이 2개 이상이면 심층신경망이라고 할 수 있다.
2. 활성화 함수중 ReLU는 선형 유닛을 개선한다는 의미로 비선형 구조를 가진 데이터를 분석하는데 활용한다.
3. 옵티마이저는 실행 계획을 세우는 방식에 따라 규칙 기반 옵티마이저와 비용 기반 옵티마이저로 나뉘는데 규칙 기반 옵티마이저는 실행우선 순위(Ranking)을 기준으로 비용 기반 옵티마이저는 액세스 비용(Cost)를 기준으로 작동한다.
4. 옵티마이저 동작 방식중 Query Transformer은 두번째 순서로 SQL문장을 분석하여 문법적 검사와 구성요소를 파악하고 이를 파싱하여 파싱트리를 만든다.
5. 역전파는 결과의 오차를 줄이기 위해 각 노드에서 다음 노드로 이어지는 가중치를 조절하는 방법이며 RNN은 context unit이라는 부분을 통하여 은닉층과 교류를 통하여 출력노드를 만드는 과정이다. 이때 context unit은 입력,출력층의 노드에 영향을 미친다.