FNN(Feedforward Neural Network, 순방향 신경망)은 데이터가 한 방향으로만 흐르는 인공신경망(ANN) 구조이다.
FNN은 입력층(Input Layer), 은닉층(Hidden Layers), 출력층(Output Layer)으로 구성된 신경망이다. 입력 데이터를 처리한 후 출력으로 변환하는 과정에서 순환(Feedback)이 존재하지 않는다.
| 항목 | FNN | RNN |
|---|---|---|
| 구조 | 입력층, 은닉층, 출력층 | 은닉층에서 자기 자신으로 연결되는 피드백 루프 |
| 데이터 흐름 | 순방향(입력 → 출력) | 순환 구조 (이전 시점 정보 반영) |
| 시간 의존성 | 없음 (각 입력이 독립적) | 있음 (이전 입력이 현재에 영향) |
| 장점 | 구조가 단순하여 이해 및 구현이 쉬움 | 과거 정보를 활용 가능 (시계열 데이터에 유리) |
| 적용 분야 | 이미지 분류, 테이블 데이터 분석 | 시계열 데이터, 자연어 처리 |
| 장기 의존성 문제 | 없음 | 시간이 길어질수록 과거 정보 손실 가능 (LSTM, GRU 사용) |
| 학습 난이도 | 비교적 쉬움 | 상대적으로 어려움 (Vanishing Gradient 문제) |
| 예제 | MLP(다층 퍼셉트론), CNN(합성곱 신경망) | LSTM, GRU |