퍼셉트론 이란?
-
인공 신경망의 한 종류
-
이진 분류(binary classification)문제를 위한
간단한 형태의 인공 뉴런(artificial neuron) -
선형 분류 모형이기 때문에 AND, OR, NAND 연산 등
선형 문제는 해결 할 수 있다
-
하지만 XOR 문제를 해결 할 수 없다.
-> 그래서 다층 퍼셉트론(MLP)를 사용
퍼셉트론의 구조
-
입력(Inputs)
퍼셉트론은 여러 개의 이진 입력 신호(0 또는 1)을 받음
입력 신호는 외부 환경에서 전달되며,
각 입력은 가중치(weight)와 함께 연결된다
-
가중치(Weights)
각 입력에는 가중치가 할당된다
가중치는 입력 신호의 중요성을 나타낸다
더 큰 가중치가 할당된 입력은 해당 입력의 영향력이 더 크다
-
가중합(Weighted Sum)
입력 신호와 각 가중치의 곱을 모두 합산하여 가중합을 계산
가중합은 활성화 함수의 입력으로 사용된다
-
활성화 함수(Activation Function)
가중합을 받아서 어떤 출력을 생성할지 결정하는 함수
가장 간단한 퍼셉트론에서 계단 함수를 사용 할 수 있다계단 함수는 입력이 임계값을 넘으면 출력을 1로 설정하고
그렇지 않으면 출력을 0으로 설정한다
활성화 함수
- 시그모이드 (Sigmoid Function)
- 입력 번위 (0, 1)로 제한하는 S 모양의 곡선
- 이진 분류 문제에서 출력 레이어의 활성화 함수로 사용
- 기울기 소실 문제와 관련하여 사용이 제한될 수 있다
- 하이퍼볼릭 탄젠트(Hyperbolic Tangent Function)
- 입력 범위 (-1, 1)로 제한하는 S 모양의 곡선
- 시그모이드와 비슷하지만 출력 범위가 -1부터 1까지로
확장되어 중심이 0인 특성을 가짐 - 종종 은닉 레이어에서 사용되며, 입력값을 좀 더 강하게
활성화 시킴으로써 기울기 소실 문제를 완화 할 수 있다
Backend Delveloper