📢 퍼셉트론, 다층 퍼셉트론 개념에 대한 페이지입니다.
퍼셉트론
퍼셉트론 = 선형모델 + 활성화 함수
- 인공신경망 구성요소 중 하나
- 딥러닝 모델의 가장 작은 기본단위
- 뇌를 구성하는 신경세포인 뉴런의 동작과 유사하게 동작
- 동그라미 하나! = node 하나!
역치, 활성화 함수
신경의 흥분이 전달되기 위해서는 뉴런에 전달되는 자극의 크기가 역치 이상이 되어야 함
💡 선형 모델은 그냥 무조건 입력 값에 따라 무조건 값을 뱉어냄
여기에 활성화 함수를 추가하여, 활성화 여부를 결정!
*활성화 함수 = 활성화 할건지 안할건지 선택해주는 함수
- 퍼셉트론
Reference: https://muneebsa.medium.com/deep-learning-101-lesson-7-perceptron-f6a698d81be8
선형 모델 + 활성화 함수(역치)
XOR 문제
AND 게이트
AND: 둘 다 1일 때 1
직선으로 구분 가능 → 퍼셉트론으로 연산 가능
OR 게이트
OR: 하나만 1이어도 1
직선으로 구분 가능 → 퍼셉트론으로 연산 가능
XOR 게이트
XOR: 같으면 0, 다르면 1
퍼셉트론으로 분류 불가능!
NAND 게이트
NOT AND
XOR 해결
접어서 해결! → MLP
MLP, 다층 퍼셉트론
- Multi Layer Perceptron
- 퍼셉트론을 여러 개의 층으로 구성하여 만든 신경망
- 여러 단계를 거쳐서 (즉, 다층!) 처리 ( 미쳤다….. (positive) )
연산 과정
특징
- 한 번의 연산으로 해결되지 않는 문제를 해결할 수 있다
- 단층에 비해 학습 시간이 오래 걸린다
- 모델(신경망)이 복잡해지면 학습 시 과대적합되기 쉽다
