feat: organize and categorize 1535 knowledge assets into wiki topics (2026-04-29)

10_Wiki/Topics/Exploding-Gradient Problem.md

@@ -0,0 +1,28 @@
+---
+id: GRAD-EXPL-001
+category: "10_Wiki/💡 Topics/AI"
+confidence_score: 1.0
+tags: [ai, deep-learning, neural-networks, optimization, exploding-gradient]
+last_reinforced: 2026-04-26
+---
+
+# Exploding Gradient Problem (기울기 폭주 문제)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+> "기울기가 눈덩이처럼 커져 학습이 파괴되지 않도록 제어하라" — 딥러닝 학습 과정에서 역전파되는 기울기 값이 층을 거듭할수록 기하급수적으로 커져 가중치가 매우 큰 값으로 업데이트되고, 결국 학습이 불안정해지거나 실패(NaN 발생)하는 현상.
+
+## 📖 구조화된 지식 (Synthesized Content)
+- **추출된 패턴:** 가중치 행렬의 고유값이 1보다 클 때, 연쇄 법칙에 의해 기울기가 곱해지며 무한히 증폭되는 수치적 불안정 패턴. 주로 순환 신경망(RNN)이나 매우 깊은 신경망에서 발생.
+- **해결 기법:**
+    - **Gradient Clipping:** 기울기가 일정 임계값(Threshold)을 넘지 않도록 강제로 자름 (가장 직접적인 해결책).
+    - **Weight Initialization:** 가중치 초기값을 적절히 설정 (Xavier, He 초기화).
+    - **Batch Normalization:** 각 층의 출력을 정규화하여 값의 범위를 제한.
+    - **LSTM / GRU:** 게이트 구조를 통해 정보의 흐름을 조절하여 RNN의 고질적인 문제 완화.
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- **과거 데이터와의 충돌:** 기울기 소실(Vanishing Gradient) 문제에 가려져 덜 주목받았으나, 초거대 모델 학습 시 수치적 안정성을 깨뜨리는 주요 원인으로 부각됨.
+- **정책 변화:** Antigravity 프로젝트는 대규모 지식 임베딩 모델 학습 시, Gradient Clipping을 기본으로 설정하여 학습 초기 단계의 발산을 방지함.
+
+## 🔗 지식 연결 (Graph)
+- [[Backpropagation]], Neural-Networks-Foundations, [[Regularization-Techniques]], Deep-Learning-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Exploding-Gradient Problem.md