1장

신호 처리를 위한 딥러닝의 기본 사항

모든 딥러닝 탑재 신호 처리 응용 분야에 필요한 것은 무엇일까요? 여러 신호 데이터, 우수한 신경망 아키텍처, 해당 데이터를 자동화된 학습을 위한 소스로 변환하는 적절한 신호 처리 툴을 꼽을 수 있습니다.

이 eBook에서는 훨씬 다양한 신호 처리 응용 분야에 적용할 수 있는 예제로 트리거 단어 검출기를 사용합니다. 트리거 단어 검출 또는 키워드 인식은 모바일 기기에 내장되어 실행되는 음성 처리 알고리즘입니다.

아래의 짧은 비디오(0:38)에서 트리거 단어 검출의 실제 사용 예를 볼 수 있습니다.

먼저 딥러닝이 신호 데이터에서 어떻게 작동하는지 간략한 개요를 살펴보겠습니다.

딥러닝 워크플로

표준 딥러닝 워크플로는 데이터셋 생성 및 액세스, 데이터 전처리 및 변환, 예측 모델 개발, 모델 가속화 및 배포 등의 네 단계를 거칩니다. 통상적으로는 이러한 각각의 단계는 선형적으로 진행되는 것이 아니라 반복적인 접근 방식을 통해 예측 모델을 설계, 훈련, 최적화합니다.

각 단계에서 수행되는 작업은 프로젝트와 데이터 소스에 따라 다릅니다. 신호 처리 응용 분야는 특히 다양한 데이터 유형을 사용하며, 신경망에 대한 효과적인 학습 입력값을 생성하는 기법은 응용 사례에 따라 크게 달라집니다. 데이터 준비 및 변환은 신호 데이터를 사용하여 딥러닝 모델을 훈련하는 데 있어서 특히 중요한 작업입니다.