Multi-Layer Perceptron(MLP)

The Multilayer Perceptron (MLP) procedure produces a predictive model for one or more dependent (target) variables based on the values of the predictor variables.
다층 퍼셉트론 절차는 예측 변수 값에 기초한 하나 이상의 종속 변수에 대한 예측 모델을 제공한다.

비선형 활성화 함수를 갖는 완전히 연결된 뉴런으로 구성된 신경망의 한 유형이다.

선형 분리가 불가능한 데이터를 구별하는데 많이 사용된다.

다층 퍼셉트론 아키텍처

• 입력 레이어

입력 데이터를 수신하는 노드 또는 뉴런으로 구성된다. 각 뉴런은 입력 데이터의 특정이나 차원을 나타낸다. 입력 레이어의 뉴런 수는 입력 데이터의 차원에 따라 결정된다.

• 히든 레이어

입력 레이어와 출력 레이어 사이에 존재하는 하나 이상의 뉴런 레이어를 말한다. 히든 레이어의 각 뉴런은 이전 레이어의 모든 뉴런으로부터 입력을 받고 다음 레이어로 전달되는 출력을 생성한다.

입력 뉴런에는 해당하는 가중치w를 곱하고 합하여 결괏값을 해당 뉴런에 저장한다. 가중치는 한 뉴런의 입력이 다른 뉴런의 출력에 얼마나 많은 영향을 미치는지 결정한다.

편향b는 뉴런에 추가 입력을 제공하여 출력 임계값을 조정할 수 있도록 한다.

가중치 합계 결과는 활성화 함수를 통해 전달된다. 활성화 함수는 비선형성을 도입하여 데이터의 복잡한 관계를 학습하고 표현할 수 있도록 한다. 활성화 함수는 뉴런의 출력 범위와 입력 값에 대한 반응의 동작을 결정한다.

모델을 설계할 때 히든 레이어 수와 히든 레이어의 뉴런 수는 정해야 하는 하이퍼파라미터이다.

• 출력 레이어

다층 퍼셉트론의 최종 출력을 생성하는 레이어다. 출력 레이어 또한 활성화 함수를 적용하는데, 이 활성화 함수는 일반적으로 숨겨진 계층에서 사용되는 것과 다르다.