RNN

AI 개념
약 1분 읽기

이전 시점의 출력을 되먹여 순서가 있는 데이터를 처리하는 딥러닝 신경망으로, LSTM·GRU가 대표적입니다.

다른 이름
순환 신경망Recurrent Neural NetworkLSTM

상세 설명

RNN(Recurrent Neural Network, 순환 신경망)은 시계열·텍스트처럼 순서가 중요한 데이터를 처리하는 딥러닝 구조입니다. 이전 시점의 출력을 다음 시점의 입력으로 되먹여 앞선 맥락을 기억합니다. 다만 기본 RNN은 시퀀스가 길어지면 먼 과거 정보를 잊는 장기 의존성 문제가 있어, 이를 보완한 LSTM(Long Short-Term Memory)과 GRU(Gated Recurrent Unit)가 널리 쓰였습니다. 음성 인식, 시계열 예측, 초기 기계 번역 등에 활용됐지만, 병렬 처리와 장거리 문맥에 유리한 트랜스포머가 많은 영역에서 RNN을 대체했습니다.

도구 선택에서 중요한 이유

시계열 예측이나 센서 데이터 분석 도구에서는 여전히 RNN·LSTM 계열이 가볍고 효율적인 선택지입니다. 모든 순차 데이터에 트랜스포머가 최선은 아니므로, 데이터 길이와 자원 제약을 고려해 도구의 기반 모델을 따져 보면 과한 비용 없이 적합한 솔루션을 고를 수 있습니다.

도구를 고를 때 확인할 점

  • 다루는 데이터가 길지 않은 순차 데이터인가(RNN 계열 적합)
  • 실시간·저자원 환경에서 동작해야 하는가
  • 장거리 문맥이 중요하다면 트랜스포머 기반 도구와 비교했는가
  • 예측 결과의 불확실성·신뢰구간을 함께 제공하는가

실제 적용 예시

매장의 일별 매출을 예측해 재고를 조정하는 수요 예측 도구가 대표적입니다. 비교적 짧은 시계열이라면 LSTM 기반 모델로 충분히 정확한 예측을 얻을 수 있어, 대형 트랜스포머 모델보다 운영 비용이 낮습니다.

관련 용어

딥러닝트랜스포머NLP