퍼셉트론 썸네일형 리스트형 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 * x2y = h(a) 출처 : 잡다.. 더보기 혼자 해 보는 머신러닝 딥러닝 (3) 다층 퍼셉트론과 XOR 안녕하세요. 오늘은 XOR을 해결하기 위한 다층 퍼셉트 론에대해 살펴보겠습니다.결론부터 말씀드리면, 지난 시간 단층 퍼셉트론으로는 XOR 논리회로를 정확히 직선으로 분리할 수 없습니다. XOR의 배타적 특성 때문입니다. 배타적 특성은 x1, x2라는 두가지 입력이 있을 때, 둘 중 한가지 값만 1인 경우에 1을 출력하기 때문입니다.그래서 직선 한가지로 구분해야 하는 단층 퍼셉트론으로는 설명이 불가능합니다. 출처 : 잡다한 블로그 (http://psiyblg.tistory.com/3) 그래서 단층 퍼셉트론으로 구현된 AND, NAND, OR을 통해 구현해 보겠습니다. 출처 : 잡다한 블로그 (http://psiyblg.tistory.com/3) 그림처럼 0층에서 x1, x2가 인풋으로 들어가면, 1층에서는.. 더보기 혼자 해 보는 머신러닝 딥러닝 (2) 단층 퍼셉트론의 구현 안녕하세요. 오늘은 퍼셉트론 알고리즘을 단순하게 구현해 보도록 하겠습니다.퍼셉트론은 다수의 신호를 입력 받아 하나의 신호를 출력하는 것을 말한다고 합니다. 위 그림은 입력으로 2개의 신호를 받는 예입니다. x1, x2는 입력신호를, w1, w2는 가중치를 y는 출력 신호를 뜻합니다. 그림에서 원 노드라고 표현하며, 입력노드가 출력노드로 보내질 때는 각각 고유한 가중치가 곱해집니다. 출력노드에서는 입력노드에서 보내온 총합이 정해진 한계를 넘어설때는 1, 그 외에는 0으로 출력하게 됩니다. 여기서 표현된 한계값은 임계값이라는 용어로 표현되며 θ(Theta) 기호로 표시합니다. 정리하면, y = 0 (w1 * x1 + w2 * x2 ≤ θ), y = 1(w1 * x1 + w2 * x2 ＞θ)로 표현되며, 각 .. 더보기 이전 1 다음
