feat: Wiki 지식 자산 업데이트 - UX Scenarios, Frontend, Game Design, Topics 추가 [2026-05-08]
This commit is contained in:
+67
-21
@@ -1,32 +1,78 @@
|
||||
---
|
||||
id: PREI-AUTO-CNN-001
|
||||
category: Unified
|
||||
confidence_score: 0.96
|
||||
tags: [auto-reinforced, [[CNN|CNN]], convolution, local-patterns, feature-extraction, [[Mamba|Mamba]]-integration]
|
||||
last_reinforced: 2026-05-05
|
||||
id: wiki-2026-0508-cnn
|
||||
title: CNN
|
||||
category: 10_Wiki/Topics
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [uncategorized]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[CNN|합성곱 신경망 (Convolutional Neural Networks)]]
|
||||
---
|
||||
redirect_to: "[[데이터_사이언스_및_ML_엔지니어링]]"
|
||||
canonical_id: "wiki-2026-0507-029"
|
||||
---
|
||||
|
||||
# Redirect
|
||||
|
||||
이 문서는 Canonical 문서인 통합되었습니다.
|
||||
모든 최신 지식과 세부 내용은 위 링크를 참조하십시오.
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "데이터를 작은 창(Window)으로 훑으며 국소적인 패턴의 정수를 뽑아내어, 거대한 정보 속에서 '중요한 단서'를 포착하는 탐정의 돋보기."
|
||||
|
||||
> 합성곱 신경망(CNN)은 학습 가능한 커널의 슬라이딩으로 공간적 지역성과 가중치 공유를 동시에 잡아, 이미지 같은 격자 데이터에서 표현 학습의 표준이 된 아키텍처다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
합성곱 신경망(CNN)은 합성곱 연산을 통해 데이터의 국소적 특징(Feature)을 추출하는 기계 학습 알고리즘입니다.
|
||||
|
||||
1. **국소적 패턴 인식**:
|
||||
* 데이터 전체를 한꺼번에 보는 대신, 필터(Kernel)를 이동시키며 인접한 요소 간의 관계(이미지의 선, 텍스트의 구문 등)를 파악.
|
||||
* 이웃한 토큰 간의 종속성(예: 주어-동사 호응)을 추출하는 데 매우 효과적임.
|
||||
2. **훈련 단계의 고효율성**:
|
||||
* 데이터 간의 간격이 일정할 경우, 전역적인 연산을 단일 합성곱 단계로 펼쳐서 처리할 수 있어 GPU 병렬 연산에 매우 유리함.
|
||||
3. **현대 LLM에서의 역할 (Short Conv)**:
|
||||
* [[Mamba|Mamba]]와 같은 최신 아키텍처는 SSM 전 단계에 1차원 합성곱 계층을 배치하여 국소 패턴을 먼저 추출. 이를 통해 SSM이 장거리 전역 맥락에만 집중할 수 있도록 '전처리' 역할을 수행함.
|
||||
**추출된 패턴:** 컨볼루션-비선형-풀링의 반복으로 receptive field를 점진 확장 → 저수준 엣지에서 고수준 객체로 추상화가 자연스럽게 형성됨.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **장거리 종속성의 한계 (RL Update)**: CNN은 국소적 처리에 특화되어 있어, 시퀀스 내에서 멀리 떨어진 요소 간의 관계(Long-term dependency)를 파악하는 데 본질적인 한계가 있음. 이 모순은 [[Attention-Mechanism|어텐션]]이나 [[SSM|SSM]]과의 하이브리드 설계를 통해 해결됨.
|
||||
- **훈련 vs 추론의 비대칭**: 훈련 시에는 모든 데이터를 알고 있어 합성곱이 매우 빠르지만, 실시간으로 다음 토큰을 예측해야 하는 추론 단계에서는 합성곱의 병렬성 이득을 온전히 누리기 어려움.
|
||||
**세부 내용:**
|
||||
- **핵심 연산**: Conv(공간 가중합) + Activation(ReLU 등) + Pool(다운샘플) + BatchNorm.
|
||||
- **대표 아키텍처**: LeNet→AlexNet→VGG→GoogLeNet→ResNet→DenseNet→EfficientNet→ConvNeXt.
|
||||
- **Residual connection**: 깊은 네트워크에서 그래디언트 소실을 우회하며 100층+ 학습을 가능케 함.
|
||||
- **한계**: 글로벌 컨텍스트 부족 → ViT/Hybrid 등으로 보완.
|
||||
- **응용**: 비전 외에도 음성·시계열·게놈 등 1D/3D 합성곱으로 확장.
|
||||
|
||||
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
||||
|
||||
**언제 이 지식을 쓰는가:**
|
||||
- *(TODO)*
|
||||
|
||||
**언제 쓰면 안 되는가:**
|
||||
- *(TODO)*
|
||||
|
||||
## 🧪 검증 상태 (Validation)
|
||||
|
||||
- **정보 상태:** draft
|
||||
- **출처 신뢰도:** A
|
||||
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
|
||||
|
||||
## 🧬 중복 검사 (Duplicate Check)
|
||||
|
||||
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
|
||||
- **처리 방식:** UPDATE (자동 정규화)
|
||||
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
|
||||
- **과거 데이터와의 충돌:** 없음
|
||||
- **정책 변화:** 없음
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Mamba|Mamba]], [[SSM|SSM]], [[Attention-Mechanism|Attention-Mechanism]], [[Pattern-Recognition|Pattern-Recognition]]
|
||||
- **Raw Source**: Datacollector_MAC/out_wiki/합성곱 신경망 (CNN).md
|
||||
---
|
||||
|
||||
- **Parent:** [[10_Wiki/Topics]]
|
||||
- **Related:** *(TODO: 최소 2개)*
|
||||
- **Opposite / Trade-off:** *(TODO)*
|
||||
- **Raw Source:** 직접 입력
|
||||
|
||||
## 🕓 변경 이력 (Changelog)
|
||||
|
||||
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
||||
|------|-----------|-----------|--------|
|
||||
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
||||
Reference in New Issue
Block a user