오토인코더를 사용한 비선형 차원 축소법

데이터 분석에서 중요한 선행 처리 중 하나인 차원축소는 다양한 방법이 있으며, 일반적으로 선형과 비선형 방법으로 분류한다. 비선형 방법은 선형 방법보다 더 효과적으로 차원을 감소시킬 수 있다고 알려져 있지만 일반적으로 비선형 방법은 입력 데이터와 차원을 축소한 데이터 사이의 선형 관계를 파악할 수 없다. 본 연구에서는 이러한 단점을 극복하면서 차원 축소 효과를 주기 위한 방법으로 인공신경망의 오토인코더 모델을 제안한다. 이 모델은 차원 축소와 데이터 복구를 위한 두 개의 은닉 층으로 구성 되어있다. 제안한 모델을 인공지능 분야에서 널리 쓰이는 MNIST 데이터에 적용하여 최적 매개변수 탐색 및 차원 축소의 효과를 토론하였다.