인공신경망

시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)이 학습을 통해 시냅스의 결합 세기를 변화시켜, 문제 해결 능력을 가지는 모델 전반

모델링

• 세포체: 뉴런
• 수상돌기: input
• 축색돌기: output
• 시냅스: 가중치

• 입력 계층

  • 입력 계층은 아무런 연산도 이러나지 않음

  • 신경망의 입력을 받아서 다음 계층으로 넘기는 역활

  • 계층의 크기 = Node의 개수 = 입력 Scalar의 수 = 입력 Vector의 길이

• 은닉 계층

  • 은닉 계층은 입력 계층과 연결된 전결합 계층

  • 입출력 관점에서 볼 때 드러나지 않는다고 하여 은닉 계층

  • 복잡한 문제를 해결할 수 있게 하는 핵심적인 계층

  • 얕은 신경망의 경우 1개의 은닉 계층만을 사용

• 출력 계층

  • 출력계층은 은닉 계층 다음에 오는 전결합 계층

  • 신경망의 외부로 출력 신호를 전달하는 데에 사용

  • 신경망의 기능은 출력 계층의 활성 함수에 의 해 결정

  • 출력 계층의 크기 = 출력의 Scalar 수 = 출력 벡터의 길이