1. RNN 응용 유형

• 보통 RNN의 출력을 최종 출력으로 사용하지 않음
  • RNN 이후에 완전 연결층을 붙여 사용 → CNN과 유사
• RNN은 은닉층 처럼 사용되는 경우가 많음
  • 입력층 → 1개 이상의 재귀층 → 완전 연결층
• 각 재귀층 뉴런의 개수는 실험을 통해 좋은 결과를 내는대로 선택
• 무조건 층의 깊이가 깊다고 좋은 결과가 나오지 않음, 실험을 통해 적절한 층의 개수를 찾아야 함

1) 유형 1

• 주가, 날씨 예측같이 m개의 날짜 데이터를 받아 m개의 다음날 데이터를 예측하는 형태
• MN 층이 아니라 M1 / 1*N 층 두개로 분할하여 사용

2) 유형 2

• 음향 데이터로 생성한 일련의 특징 벡터를 입력으로 사용, 출력으로 판별
• 최종 출력만 사용, 층에는 M * N 배열 그대로 사용

3) 유형 3

• 이미지를 입력으로, 해당 이미지와 관련된 캡션을 출력
• 이미지는 시퀀스 데이터가 아니므로 입력은 처음 한번만 존재

4) 유형 4

• 인코더와 디코더가 물려있는 형태

  • 인코더는 시퀀스 입력을 받아 벡터로 변환, 디코더는 변환된 벡터를 입력으로 시퀀스를 출력

  • 인코더는 입력은 연속적으로 받고 출력은 최종 출력 하나만 사용 ( = 유형 2 )

  • 디코더는 입력은 하나만 받고 출력은 모두 사용 ( = 유형 3 )

    → 유형 2에 유형 3을 결합한 형태