밑바닥 딥러닝/밑바닥부터 시작하는 딥러닝18 2장 2장 2.1 퍼셉트론이란? 2.2 단순 논리 회로 2.3 퍼셉트론 구현하기 2.4 퍼셉트론의 한계 2.5 다층 퍼셉트론이란? 2.1 퍼셉트론이란? - 다수의 신호를 입력으로 받아 하나의 신호를 출력하는 것 - 인간의 뇌 신경세포를 본 따 만든 알고리즘 원 : 뉴런 or 노드 x : 입력 신호 y : 출력 신호 w : 가중치 θ : 임계값 (한계) 뉴런에서 보내온 신호의 총합이 정해진 임계값(한계)을 넘어설 때만 1 출력 = 뉴런이 활성화한다. 퍼셉트론은 복수의 입력 신호 각각에 고유한 가중치(w) 부여 가중치(w) 는 각 신호가 결과에 주는 영향력을 조절하는 요소로 가중치가 클수록 해당 신호가 그만큼 더 중요함을 의미한다. 기계학습 문제는 이 매개변수의 값을 정하는 작업을 컴퓨터가 하도록 함. 사람은 퍼.. 2023. 4. 7. 3장 3장 3.1 신경망 3.2 활성화 함수 3.3 다차원 배열의 계산 3.4 3층 신경망 구현 3.5 출력층 설계하기 3.6 배치 처리 3.1 신경망 신경망이란? - 퍼셉트론을 여러층 쌓아 만든 하나의 거대 비선형 분류기 동작(0을 넘으면 1을 출력하고, 그렇지 않으면 0을 출력)을 하나의 함수로 나타낸다. 이 함수를 h(x)라 하면 다음과 같은 수식으로 표현할 수 있다. h(x) = 입력신호의 총합 y = h(x)를 통해 변환된 값 (출력값) 3.2 활성화 함수 - 인공 신경망에서 h(x)와 같이 입력 신호의 총합을 출력값으로 변환하는 함수. - 은닉층과 출력층에서 사용된다. - 활성화 함수는 인공 신경망의 비선형성을 제공하고, 신경망의 복잡한 패턴을 학습할 수 있도록 한다. - 만약 활성화 함수를 사용하.. 2023. 4. 7. 이전 1 2 다음
