퍼셉트론2 3-1. 신경망 앞장에서 배운 2. 퍼셉트론 관련해서는 좋은 점과 나쁜 점이 존재한다. 좋은 점은 퍼셉트론으로 복잡한 함수도 표현할 수 있다는 것이다. (ex. 컴퓨터가 수행하는 복잡한 처리도 이론상으로는 퍼셉트론으로 표현 가능하다) 그러나 나쁜 점은 가중치를 설정하는 작업을 여전히 사람이 수동으로 한다는 것이다. 신경망은 이 나쁜 점을 해결해준다. 가중치 매개변수의 적절한 값을 데이터로부터 자동으로 학습하는 능력이 신경망의 중요한 성질이다. 3.1. 퍼셉트론에서 신경망으로 3.1.1. 신경망의 예 신경망을 그림으로 나타내면 아래와 같다. 여기서 가장 왼쪽 줄을 입력층, 맨 오른쪽 줄을 출력층, 중간 줄을 은닉층이라고 한다. 은닉층의 뉴런은 (입력층이나 출력층과 달리) 사람 눈에는 보이지 않는다. 그래서 '은닉'이다. .. 2020. 3. 7. 2. 퍼셉트론(Perceptron) 2.1. 퍼셉트론이란? 퍼셉트론은 프랑크 로젠블라트(Frank Fosenblatt)가 1957년에 고안한 알고리즘이다. 신경망(딥러닝)의 기원이 되는 알고리즘이기 때문에 퍼셉트론의 구조를 배우는 것은 신경망과 딥러닝으로 나아가는 데 중요한 아이디어를 배우는 일이기도 하다. 지금 기술하는 퍼셉트론은 정확히 말하는 '인공 뉴런' 혹은 '단순 퍼셉트론'을 지칭한다. 퍼셉트론은 다수의 신호를 입력으로 받아 하나의 신호를 출력한다. 퍼셉트론 신호는 '흐른다/안 흐른다(1이나 0)'의 두 가지 값을 가질 수 있다. 위의 그림은 입력으로 2개의 신호를 받은 퍼셉트론의 예다. x1과 x2는 입력 신호, y는 출력 신호, w1과 w2는 가중치를 뜻한다(w는 weight의 머리글자). 그림의 원을 뉴런 혹은 노드라고 부른.. 2020. 3. 2. 이전 1 다음
