✔️ 뉴런이란?
인간 뇌의 신경계를 구성하는 기본 단위
🚩 인공 신경망의 시작
- 인공 신경망의 경우에는 사람이 스스로 판단하는 것을 기준으로 기계도 직접 스스로 판단하는 것을 흉내내 보고자 인간의 뇌 구조를 흉내내 만든 것이다.
-
1958년 부터 인공 뉴런을 퍼셉트론이라고 부르기 시작 ❗
-
가중치는 결국 여러가지 입력 중에서 어떤 입력은 보다 중요하게, 또는 덜 중요하게 취급하기 위한 목적으로 사용 ❗
🚩 퍼셉트론의 구조
-
퍼셉트론의 구조는 입력층과 출력층 두가지의 층으로 구성이 되어있다.
-
입력층의 경우에는 d+1개의 유닛을 가지게 되며 특징 벡터의 역할을 한다.
-
출력층의 경우에는 1개의 유닛으로 구성되어 있으며 이진 분류기의 역할을 한다.
🚩 퍼셉트론 유닛
-
😊 입력 유닛 : 받은 신호를 단순히 절달하는 역할
-
😊 출력 유닛 : 합 계산과 활성 함수 계산
-
퍼셉트론의 경우에는 두 가지의 특징 벡터로 이루어진 공간에서 선이나 면을 사용하여 두 공간으로 분리하는 선형 분류기의 역할을 한다.
로지스틱 회귀와 같은 역할 ❗❗❗
😰 퍼셉트론의 수용력 문제
-
퍼셉트론의 경우에는 선형 분류기의 역할을 하기 때문에 선형으로 분류가 가능한 문제에 적용 ❗
-
하지만 그 외의 문제에 적용하기가 어렵다는 점 💦
-
대표적인 문제가 XOR 문제 - 어떤 직선을 그어도 하나는 무조건 틀린다.
그래서 여러개의 퍼셉트론을 사용하자 ! 👍
-
퍼셉트론을 여러개 사용하므로써 선형으로 분리하지 못하는 'XOR' 문제도 해결이 가능해졌다 🤭
❤️ XOR 문제 해결 방법
-
먼저 새로운 특징 공간으로 매핑시킨다.
-
매핑 시킨 새로운 특징 공간에서 분류를 수행한다.
-
예를 들어 원래는 선형 분리가 안되었지만 새로운 특징 공간으로 이동 후 선형 분리가 가능해지도록 하는 것이다.
-
퍼셉트론 하나는 기능이 단순하지만 그것들을 서로 연결함으로써 보다 복잡한 동작을 하게 만든다 👍
✔️ 다층 퍼셉트론이란?
다층 퍼셉트론이란 여러개의 퍼셉트론을 이용하여 층을 쌓아 학습을 시키는 것이다.
- 하나의 퍼셉트론은 선형 분류기의 역할을 하기때무에 하나의 선을 그어서 구분할 수 잇는 문제에만 적용이 가능하고 그 외에는 적용이 불가능 하기 때문 😅
-
다층 퍼셉트론의 구조는 입력층과 은닉층, 출력층으로 구성 되어있다.
-
층의 개수를 셀 때 입력층은 제외하고 개수를 세아림 ❗
ex) 위 그림의 층은 총 2개의 층으로 구성 -
입력층과 출력층은 모두 1개로 구성, 은닉층은 여러개(1~3개)로 구성이 가능하다 😘
-
하나의 유닛은 다른 유닛들과 모두 상호 연결 되어있다.
TIP ! 딥러닝은 은닉층의 개수를 더 많이 사용
👍 퍼셉트론을 많이 사용할 수록 다양한 결정 경계의 표현이 많아지게 되면서 다양한 분류 문제에서도 적용이 가능하다.
따라서, 분류 성능이 증가한다 ❗
