인공지능의 응용 과목에서 제출한 자료이며 순환신경망, 생성적 적대 신경망, KNN 알고리즘, K means Clustering, 파이썬과 연관된 머신러닝을 정리하였습니다.

1. 순환신경망 (RNN)

순환신경망(RNN)은 시퀀스 데이터나 시간의 흐름에 따라 변화하는 데이터를 처리하기 위해 설계된 신경망 구조이다. 전통적인 인공신경망이 입력 데이터의 고정된 길이를 요구하는 것에 비해, RNN은 연속적인 시퀀스를 입력으로 받아들일 수 있는 특징이 있다. RNN은 시간적인 의존성을 모델링하기 위해 내부 상태를 유지하며, 이전의 출력이 다음 입력으로 연결되어 시퀀스 데이터를 처리하는 방식으로 작동한다. 이는 자연어 처리, 음성 인식, 시계열 예측 등 다양한 분야에서 유용하게 사용된다. RNN의 기본적인 구조는 반복적인 연결로 되어 있으며, 각 단계에서 입력 데이터와 이전 단계의 숨겨진 상태(hidden state)를 함께 사용해 현재의 숨겨진 상태를 업데이트한다. 이러한 방식으로 RNN은 시간에 따른 정보 전이를 가능하게 하고, 각 외부 입력이 어떤 시간의 단계에서 주어졌는지를 기억할 수 있다. 하지만 RNN은 긴 시퀀스 데이터를 처리할 때 몇 가지 문제점을 겪는 것이 일반적이다. 주된 문제로는 기울기 소실(gradient vanishing)과 기울기 폭주(gradient exploding) 현상이 있다. 이는 네트워크의 깊이가 증가하거나 시간이 길어질수…