와이드 앤 딥 러닝은 지도 학습과 비지도 학습을 결합한 인공 지능(AI) 접근 방식입니다. 와이드 앤 딥 러닝은 얕은 신경망과 심층 신경망 아키텍처를 모두 사용하여 낮은 수준과 높은 수준의 기능을 모두 갖춘 대규모 데이터세트를 모델링합니다. 그 결과 과거 데이터의 패턴을 일반화하고 새로운 정보에 빠르게 적응할 수 있는 강력한 학습 시스템이 탄생했습니다.
폭넓은 학습은 얕은 네트워크를 사용하여 데이터세트의 특정 패턴을 인식하는 것입니다. 이 접근 방식은 일반적으로 하나의 입력 레이어와 하나의 출력 레이어가 있는 단일 노드 레이어로 구성되므로 계산 속도가 빠르고 저렴합니다. 단순성으로 인해 광역 학습은 쉽게 식별할 수 있는 신호가 많은 데이터 세트에 더 적합합니다.
반면, 딥러닝은 대규모 데이터 세트에서 복잡한 패턴을 식별하기 위해 여러 계층의 심층 신경망을 사용하는 것입니다. 딥 러닝은 와이드 러닝보다 훨씬 더 계산 집약적이지만, 크고 다양한 데이터 세트 간의 미묘한 관계를 식별하는 능력은 명확한 신호가 적은 데이터 세트의 패턴을 인식하는 데 매우 적합합니다.
와이드 앤 딥 러닝은 지도 학습을 사용하여 입력 데이터에서 중요한 신호를 식별한 다음 심층 신경망을 사용하여 보다 복잡한 패턴을 식별하는 두 모델의 장점을 결합합니다. 딥 러닝을 위해 여러 계층을 훈련함으로써 모델은 단독으로 사용할 때보다 더 미묘한 패턴을 찾을 수 있습니다. 이를 통해 예측이 더 정확해지고 전반적인 성능이 향상될 수 있습니다.
와이드 앤 딥 러닝은 이미지 인식, 자연어 처리, 음성 인식과 같은 응용 분야에 매우 효과적입니다. 컴퓨팅 성능과 저장 용량이 증가함에 따라 더욱 널리 보급되어 더 크고 정교한 모델을 구축하는 것이 가능해졌습니다. 기술이 향상되면 더 넓은 범위의 문제 영역에 적용할 수 있습니다.
