0. 교육흐름

---

1. 퍼셉트론

• 인공신경망을 구성하는 가장 기본단위
• 1958년 perceptron 제안

---

초기 활성화함수

• 어제 스크린 골프를 친 강운씨가 등원을 한다 안한다. 판단하는 모델

▶ step func(계단 함수) 나간다, 안나간다.

• 어제 너무 스크린 골프 많이 쳤다 힘드네 => 안나간다.
• 안나갔다간 쌤에게 혼난것 같은데 => 나간다.
• 나가봐야 잠마 잘것 같은데 집에서 잘까? => 안나간다.
• 그래도 스프링 첫 시간이다 환경설정은 해야지 => 나간다.
• 딥러닝 시간 겁나 재미없겠네 집에서 게임해야지 => 안나간다.

▶ sigmoid(시그모이드 함수) %

• 어제 너무 스크린 골프 많이 쳤다 힘드네
  => 나간다 0.4 : 안나간다 0.6
• 안나갔다간 쌤에게 혼난것 같은데
  => 나간다 0.9 : 안나간다 0.1
• 나가봐야 잠마 잘것 같은데 집에서 잘까?
  => 나간다 0.3 : 안나간다 0.7
• 그래도 스프링 첫 시간이다 환경설정은 해야지
  => 나간다 0.7 : 안나간다 0.3
• 딥러닝 시간 겁나 재미없겠네 집에서 게임해야지
  => 나간다 0.3 : 안나간다 0.7

나간다 2.6 : 안나간다 2.4 -> 합 : 5
총합 1로 사이즈를 맞춘 경우
나간다 0.52 : 안나간다 0.48

• 최종 모델을 연산해보자
  -> 전체 총합의 범위 0 ~ 1 0> 우리가 도출한 확률정보 평균
  => 나간다 2.6 : 안나간다 2.4

• 0 ~ 1에서 나타냄 이는 확률로 생각해봐도됨.

• 차원을 구브려서 추가함으로써 문제를 풀이하는 방식

• 매우 중요한 다층퍼셉트론!

---

• 실습
  ex01 딥러닝 맛보기(폐암 데이터 분류)

---

이전 교육내용 복습하기

신경망을 이루는 기본 구조단위
-> 퍼셉트론
인간의 신경계를 모방해서 구현한 인공 신경망
-> 1차적으로 구현한 신경망은 완전한 모방이 아니였다.
(자극이 들어오면 뉴런들을 타고 반응을 했었다.)

자극 -> 뉴런 -> 반응
(역치) - 문턱값
역치를 구현하기 위해 활성화 함수를 도입함

• 초기 활성화 함수
  step func(계단 함수) - 0을 기준 : 0보다 크거나 같으면 0 / 0보다 크면 1

Sigmoid

활성화 함수 등장 및 적용 -> 신경망의 모방이 어느정도 인간과 비슷해졌다.
활성화 함수가 추가된 이름 -> 퍼셉트론
퍼셉트론 : 뉴런(선형 회귀 함수) + 역치(활성화 함수)

• 퍼셉트론 등장 이후
  -> 와!! 이거 성능이 좀 좋은것 같은데?
  -> 성능 테스트 -> XOR문제 -> 미해결

---