[AI부트캠프]②신경망과 퍼셉트론의 개념 학습 - 구조, 입출력, 학습

🏆 학습목표

N411. 신경망과 퍼셉트론의 개념 학습 - 구조, 입출력, 학습

• 퍼셉트론(Perceptron)을 이해하고 python으로 구현할 수 있다.
• 신경망(Neural network)의 원리를 이해하고 기본적인 구조를 예를 들어 신경망을 설명할 수 있다.
• 신경망이 학습된다는 개념을 이해한다.
• 신경망의 장점과 단점

---

🔥과제

스케일러

종류	설명
StandardScaler	기본 스케일. 평균과 표준편차 사용
MinMaxScaler	최대/최소값이 각각 1, 0이 되도록 스케일링
MaxAbsScaler	최대절대값과 0이 각각 1, 0이 되도록 스케일링
RobustScaler	중앙값(median)과 IQR(interquartile range) 사용. 아웃라이어의 영향을 최소화

dense

입력층(준비된 자료의 개수) = 748
출력층(분류해야할 목록개수) = 10
=> dense = 7480

dense = keras.layers.Dense(뉴런개수(출력값), 뉴런의 출력에 적용할 함수, 입력의 크기)
> dense = keras.layers.Dense(10, activation='softmax', input_shape=(784,))

다중분류 = softmax
이중분류 = sigmoid

epoch

모델을 학습시키는 단위로, 모든 데이터셋을 전체적으로 이용했을 때를 기준.

iteration

모델을 학습시키는 가장 작은 단위로, 이 단위의 반복이 일어나면서 모델이 점점 좋아진다

Review

퍼셉트론의 이해 : 입력 값 = ? 개, 출력 값 = ? 개
다층(Multi-Layer) 퍼셉트론의 개념과 딥러닝의 차이점을 설명할 수 있다.
신경망의 기본 구조에 대해서 설명할 수 있다.
뉴런(노드)
연결(가중치,엣지)
입력/은닉/출력층
활성함수 : 비선형성을 만들어 주는 구조
퍼셉트론의 학습과정을 통해서 학습되는 것은 000이다.
분류/회귀 정의 리뷰, 결정경계