RNN (Recurrent Neural Network)의 한 종류 LSTM

🧠 1. LSTM이란?

LSTM은 **RNN (Recurrent Neural Network)**의 한 종류로, **순서가 있는 데이터(시퀀스)**를 잘 처리하는 딥러닝 구조입니다.

📌 핵심 목적:
과거의 중요한 정보를 오래 기억하고, 필요 없는 정보는 잊을 수 있도록 설계된 신경망

---

🧩 2. 왜 LSTM이 필요할까?

🔁 기존 RNN의 문제: “장기 기억 부족”

• RNN은 이전 정보를 다음으로 넘겨주는 순환 구조지만,
• 문장이 길어지면 초기 정보가 뒤로 갈수록 사라짐 (gradient vanishing 문제)

🎒 비유: 짧은 메모는 기억 잘하는데, 10분짜리 강의 내용을 다 기억하라고 하면 앞부분을 잊는 것과 같아요.

✅ LSTM은 이를 해결하기 위해 고안

• 기억할 건 기억하고, 잊을 건 잊는 구조를 스스로 결정할 수 있음!

---

⚙️ 3. LSTM의 구조 – 3가지 문(게이트)

LSTM의 핵심은 내부의 **“게이트(gate)”**라는 장치들입니다. 각 게이트는 0~1 사이 값을 계산해서 정보를 얼마나 통과시킬지를 조절합니다.

① Forget Gate (잊기 게이트)

• 무엇을 잊을지 결정
• 예: "이 단어는 중요하지 않으니 기억에서 지우자"

② Input Gate (입력 게이트)

• 새로운 정보를 얼마나 기억할지 결정
• 예: "새로운 단어를 얼마만큼 기억해야 할까?"

③ Output Gate (출력 게이트)

• 다음 단계로 어떤 정보를 보낼지 결정
• 예: "지금 말할 땐 어떤 정보만 내보내야 할까?"

🔍 이 3가지 게이트가 함께 작동하여 **기억 셀(cell state)**을 유지하고 조절합니다.

---

🔄 4. 작동 흐름 요약

1. 입력 단어와 이전 상태를 보고 → 어떤 정보를 버릴지(F) 결정
2. 어떤 정보를 새로 저장할지(I), 얼마나 기억할지(C) 결정
3. 다음 단계로 내보낼 정보(O)를 결정

📚 문장을 순서대로 처리하면서, "이건 중요한 단어니까 기억하고, 이건 별로니까 무시하자" 식으로 스스로 판단합니다.

---

📚 5. 예시: LSTM으로 문장 이해하기

문장: "나는 어제 비가 왔기 때문에 우산을 챙겼다."

• 일반 RNN은 "우산"을 출력할 때 “비”와의 관계를 잊었을 수 있음.
• LSTM은 "비가 왔다"는 중요한 정보를 기억해서, "우산"이라는 단어를 예측하는 데 활용할 수 있음.

---

🧠 6. 요약 표

항목	설명
구조	순환 신경망의 일종 (RNN의 확장)
핵심 기능	중요한 정보는 오래 기억, 불필요한 정보는 잊음
구성 요소	Forget, Input, Output 게이트 + 셀 상태
장점	긴 문장, 복잡한 문맥도 잘 이해 가능
대표 활용 분야	기계 번역, 음성 인식, 텍스트 생성 등

 

 

---

📌 마무리 요약

LSTM은 기억력 조절 가능한 똑똑한 시퀀스 처리 모델입니다.
특히 문장, 음악, 센서 로그 등에서 시간의 흐름과 문맥을 고려한 분석이 필요한 경우 매우 유용합니다.