[용어정리] 노드(Node), 신경망(Neural Network)

Node

1. 개념
   • 생물학의 신경세포(=neuron)과 같은 개념이다.
   • 신경망을 구성하는 하나의 단위이다.

• 원 : 노드

• 화살표 : 신호의 흐름

• $X_n$ : 외부에서 들어오는 신호( Input )

• $W_n$ : 신호를 연결하는 가중치( Weight )

• $b$ : 신경망의 정보저장을 관여하는데 사용(= Bias )

• $y$ : 외부로 나가는 신호( Output )

• 외부에서 들어오는 각각의 신호들은 해당 가중치가 곱해져 노드로 전달된다.

• $v$: 가중합은 가중치의 합( Weighted Sum )으로 입력(Input)과 가중치(Weight)의 곱한 결과 값

• 노드는 가중합을 활성함수에 입력해 얻은 값을 외부로 출력한다.

: 활성함수( Activation Function )으로 가중합의 값을 특정 조건 결과를 반환시켜준 함수( Step , Sigmoid , ReLU 등 사용자가 정의해 만들 수 있다. )

즉, 노드는 입력신호에 따른 가중합을 구해 활성함수에 가중합을 대입하여 얻은 결과값을 출력한다.

신경망( Neural Network )

1. 개념

• 생물학의 신경망과 같은 개념이다.
• 생물학적인 개념을 인공지능의 모델에 도입하였다.
• 신경세포(=노드)의 집합으로 신경망을 구성한다.

• 신경망은 input layer - hidden layer - output layer의 구조를 가진다.
• 은닉층은 없어도 없는경우는 단층신경망이라 한다.
• 은닉층이 하나일 경우 얕은 신경망이라하고 하나 이상일 경우 심층 신경망이라 한다.