ARLSTM1 순환 신경망(LSTM)과 CNN을 활용한 고급 시계열 예측 이전 포스팅에서는 Dense 레이어를 기반으로 한 선형 모델과 DNN을 다루었다. 이 모델들은 입력 데이터를 하나의 덩어리로 보고 각 특징에 가중치를 부여해 예측값을 계산했다. 하지만 DNN은 시계열 데이터의 가장 중요한 특징인 순서 정보를 잘 활용하기에는 구조적 한계가 있다. 1번 시점의 데이터가 2번 시점에 영향을 미치고, 이 정보가 3번 시점까지 이어지는 흐름과 맥락을 Dense 레이어는 명시적으로 학습하기 어렵다. 이번 포스팅에서 다룰 순환 신경망(RNN, Recurrent Neural Network)은 바로 이 순서와 흐름을 기억하기 위해 설계된 모델이다. 1. 순서와 맥락을 기억하는 모델: RNN과 LSTMRNN의 기본 개념 - 순환하는 메모리 RNN의 핵심 아이디어는 루프(loop)이다. 모.. 2025. 12. 17. 이전 1 다음
