혼자 해 보는 머신러닝 딥러닝 (4) 퍼셉트론에서 신경망으로

퍼셉트론을 기반으로 신경망에 대해서 본격적으로 살펴보겠습니다.

아래는 단순하게 표현한 신경망입니다.

출처 : 위키백과, 인공신경망

모양은 앞선 다층 퍼셉트론과 비슷하게 보여집니다. 신경망을 이해하기 위해 이전 강의에서 다루었던 퍼셉트론의 그림을 더 명확히 그려보겠습니다.

y = b + w1 * x1 + w2 * x2

출처 : Enough is not Enough (http://eehoeskrap.tistory.com/139)

이전 그래프와 달라진 점은 입력값이 1이고 가중치가 b인 노드가 추가되었다는 점입니다. 그리고 y ≤ θ 일때 0, y ＞ θ 일때 1로 표기되는 것을 Activation Function으로 표기해 보겠습니다. 

a = b + w1 * x1 + w2 * x2

y = h(a)

출처 : 잡다한 블로그 (http://psiyblg.tistory.com/4)

그림처럼 1차로 계산된 결과값 a는 Activation Function을 통해서 0, 1의 값을 결과로 나타냅니다. 여기서 1이라는 것은 신호의 총합이 활성화를 되었다고 표현할 수 있습니다. 다음 시간에는 활성화 함수에 대해 자세히 살펴보고, 구현을 해보도록 하겠습니다. 감사합니다.

출처 : 위 내용 및 코드는 "밑바닥 부터 시작하는 딥러닝"을 참조하였습니다.

===============================================================

2017/09/20 - [ML & DL] - 혼자 해보는 머신러닝 (3) 다층 퍼셉트론과 XOR

2017/09/19 - [ML & DL] - 혼자 해보는 머신러닝 (2) 단층 퍼셉트론의 구현

2017/09/17 - [ML & DL] - 혼자 해보는 머신러닝 (1) Ubuntu 개발 환경 설정 (Anaconda를 사용한 방법)