딥러닝 개론 - 다층퍼셉트론

다층퍼셉트론의 발견으로 첫번째 빙하기의 끝

• 비 선형적인 문제 해결
  정확하진 않지만: 선 하나로 분류할 수 없는 문제 라고 단순화해서 일단 이해(비선형적인 문제)

단층 퍼셉트론은 입력층과 출력층만 존재.

단층 퍼셉트론을 여러 층으로 쌓아보기
-> 다층 퍼셉트론
(Multi Layer Perceptron MLP)

많이 쌓으면 쌓을수록 다양한 분류가 가능

Hidden Layer 히든층
입력층Input Layer 와 출력층Output Layer 사이의 모든 층

히든층이 많아진다면,
깊은 신경망이라는 의미의 Deep Learning 이라는 단어 사용

N개의 히든 레이어
다층퍼셉트론이 깊어진 모델이라고 생각하면 된다.

장점: 분류할 수 있는 방법이 많아지기 때문에 성능이 점점 좋아진다
단점: 가중치를 굉장히 많이 구해야한다. 구하는 과정 또한 쉽지가 않다. -> 마냥 깊이 만들 수가 없음.