Encoder / Decoder
인코더·디코더
Encoder / Decoder(인코더·디코더)은 문제와 데이터 구조에 맞춰 발전한 딥러닝 아키텍처의 한 단계입니다. 계산 흐름, 장점, 한계와 다음 구조로 이어지는 이유를 함께 학습합니다.
WHY SHOULD I KNOW THIS?
왜 알아야 하나?
데이터 특성에 따라 왜 서로 다른 신경망 구조가 만들어졌는지 이해하면 CNN, RNN에서 Attention과 Transformer로 이어지는 발전 흐름을 연결할 수 있습니다.
WHERE IS IT USED?
어디에 사용되나?
Computer VisionSequence ModelingRepresentation LearningGenerative Models
DEEP LEARNING
x10.7→h10.51
x2-0.2→h20.17
x30.9→h30.68
x40.4→h40.64
RNN HIDDEN STATE
hₜ = tanh(0.8xₜ + 0.65hₜ₋₁)
현재 h = 0.508
이전 상태가 다음 시점으로 전달되는 것을 따라가세요.
현재 h = 0.508
이전 상태가 다음 시점으로 전달되는 것을 따라가세요.
INTERACTIVE CONCEPT LABARCHITECTURE FLOW
CURRENT STAGE1 / 6 · Input
Encoder / Decoder
노드를 클릭하거나 PLAY FLOW를 눌러 정보가 어떻게 이동하는지 단계별로 확인하세요. 슬라이더는 시각적 영향도를 조절합니다.
이 Topic에서 알아야 할 핵심
✓Encoder / Decoder
✓인코더·디코더
✓구조가 해결하려는 문제
✓입력 → 내부 상태/특징 → 출력
이해 확인 질문
Q1인코더·디코더은 어떤 데이터/문제를 위해 등장했는가?
Q2Encoder / Decoder의 핵심 정보 흐름은 무엇인가?
Q3이 구조의 한계가 다음 아키텍처에 어떤 영향을 주었는가?
CATEGORY
DEEP LEARNING ARCHITECTURES문제 특성에 따라 신경망 구조가 어떻게 발전했는지 연결합니다.
CURRENT PATH
08.09 Encoder / Decoder이 Topic의 위치와 앞뒤 순서를 항상 Curriculum 기준으로 유지합니다.