728x90 반응형 퍼셉트론3 신경망 구현하기 신경망을 구현하기 전, 활성화 함수가 무엇인지와 왜 비선형 함수를 사용해야 하는지에 대해 살펴보겠습니다. 그 다음, 여러 종류의 활성화 함수(계단 함수, 시그모이드 함수, ReLU 함수 등)를 알아보고, 코드로 어떻게 구현하는지를 살펴보겠습니다. 또한, 퍼셉트론과 신경망의 차이점도 알아보겠습니다. 마지막으로, 출력층에서 사용되는 활성화 함수와 그들이 회귀와 분류 문제에서 어떻게 사용되는지에 대해 다룰 것입니다. 본 글을 통해 신경망의 기본적인 구조와 활성화 함수의 역할에 대해 이해할 수 있습니다. 활성화 함수 활성화 함수는 입력 신호의 총합을 받아서, 그것을 기반으로 한 출력 신호를 생성하는 함수입니다. 이때, 중요한 특징이 하나 있습니다. "신경망에서 활성화함수는 비선형 함수로 사용해야한다." 선형함수.. 2023. 9. 4. 퍼셉트론 구현하기 이전 글에서 퍼셉트론 이론을 설명했습니다. 이번에는 이론을 코드로 구현해보고 단일 퍼셉트론과 다중 퍼셉트론, 선형관계와 비선형 관계를 이해해봅시다. 퍼셉트론 구현하기 퍼셉트론을 구현하기 앞써 논리회로를 잠시 설명하겠습니다. 논리회로는 컴퓨터에서 많이 사용하는 신호입니다. 입력신호에 따라 출력신호가 달라지는데 해당 동작이 퍼셉트론 비슷합니다. 대표적인 논리회로는 AND, OR, NAND, XOR이 있습니다. AND 게이트 x1 x2 y 0 0 0 0 1 0 1 0 0 1 1 1 AND게이트는 x1, x2가 모두 1일 때, y가 1이 됩니다. 이외에는 모두 0이 됩니다. AND 게이트 표를 그래프로 표시하면 위 사진과 같습니다. 파란색과 빨간색을 "직선" 하나로 분리하려면 주황색 직선처럼 그려야 합니다.여기.. 2023. 8. 31. 퍼셉트론이란 퍼셉트론이란 퍼셉트론은 다수의 입력 신호를 하나의 신호로 출력하는 것을 말합니다. 여기서는 출력이 0, 1만 존재한다고 설정하겠습니다. 다수의 입력신호는 각각의 가중치($w$)와 곱해진 후, 그 결과들이 합쳐져 하나의 신호로 출력됩니다. 이때 각 입력값과 그에 상응하는 가중치의 곱의 합이 입계값($\theta$)을 넘어가면 1, 그렇지 않으면 0으로 출력합니다. 그리고 가중치는 입력값이 중요할수록 큰 수를 갖습니다. 그림을 보고 예시를 설명하겠습니다. 그림에서는 2개의 입력 $x_1$, $x_2$과 출력 $y$가 있습니다. 수식으로 정리하면 다음과 같습니다. $$ y=\begin{cases} 0 (w_1x_1 + w_2x_2 \leq \theta) \\ 1 (w_1x_1 + w_2x_2 > \theta).. 2023. 8. 30. 이전 1 다음 728x90 반응형
