퍼셉트론.
-> Perception (인지, 지각) 과 Tron (작은 단위)의 합성어로 해석하면 perceptron의 이미지가 직관적으로 떠오를 수 있을 것입니다.
마치 뇌세포처럼 정보를 받고 다음 세포에게 전달하는 것처럼, perceptron 은 인공 신경망을 이루는 가장 작은 단위의 세포입니다.
perceptron 은 서로 정보를 주고 받으며 정보가 가지는 가치를 판단하여 어떤 정보가 중요한 정보인지 학습을 통해 스스로 결정합니다.
학습을 통해 얻어낸 원리를 가지고 실제 상황에 적용하여 가치를 만들어 냅니다.
인공 신경망
입력층 : 정보가 입력되는 층을 말합니다. 입력층은 하나이지만 그 노드의 수는 특성(feature)의 수로 결정됩니다. 이 때 이 정보에는 가중치가 없는
상태입니다.
은닉층 : 은닉층에서 정보를 가공하는 과정이 이뤄집니다. 은닉층에서 perceptron 이 정보에 대한 가중치를 부여하고 합산을 해서 출력합니다.
3)출력층 : 은닉층에서 가공된 정보를 축력함수를 통해 결과를 내는 인공 신경망의 마지막 단계입니다. 원하는 결과를 얻기위해 적절한 출력함수를
정하는 것이 중요합니다.
활성 함수
시그모이드(Sigmoid) 함수 는 이진 분류에 사용되고 노드의 수는 1로 설정합니다.
소프트맥스(Softmax) 함수 는 다중 분류 문제에 사용되며 노드의 수는 출력하려는 특성의 수로 정합니다.
회귀(regression) 는 보통, 함수가 사용되지 않으며 출력하려는 특성의 수로 노드의 수를 정합니다.
danny + realism