728x90
반응형
퍼셉트론의 단점은 인간이 수동으로 가중치 값을 정해야 한다는 것이다.
신경망은 이러한 퍼셉트론의 단점을 해결해준다.
신경망의 구조
** 위의 그림은 3층으로 구성되지만 가중치를 갖는 층이 2개뿐이기 때문에 2층 신경망이라고 한다.
** 은닉층의 뉴런은 사람의 눈에는 보이지 않는다. (그래서 은닉)
활성화 함수
- 활성화 함수는 입력 신호의 총합이 활성화를 일으키는지를 정하는 역할을 한다.
a = b + w1x1 =+w2x2 # 가중치가 달린 입력 신호와 편향의 총합을 계산하고 이름 a라고 한다.
y = h(a) # a를 함수 h()에 넣어 y를 출력하는 흐름
활성화 함수의 처리 과정
단순 퍼센트론
- 일반적으로 단층 네트워크에서 계단 함수(임계값을 경계로 출력이 바뀌는 함수)를 활성화 함수로 사용한 모델을 가리킨다.
다층 퍼센트론
- 신경망(여러 층으로 구성되고 시그모이드 함수 등의 매끈한 활성화 함수를 사용하는 네트워크)를 가리킨다.
시그모이드 함수
- [그림3]에서 exp(-x)는 e^-x을 뜻하며, e는 자연상수로 2.7182...의 값을 가지는 실수다.
- 신경망에서는 활성화 함수로 시그모이드 함수를 이용해 신호를 변환하고, 그 변화된 신호를 다음 뉴런에 전달한다.
- 퍼셉트론과 앞으로의 신경망의 주된 차이는 활성화 함수
출처 : 밑바닥부터 시작하는 딥러닝
https://www.hanbit.co.kr/store/books/look.php?p_code=B8475831198
728x90
반응형
최근댓글