퍼셉트론
- 가장 단순한 형태의 신경망입니다.
single layer- 입력
features,가중치(weight),Activation,출력값으로 구성됩니다! - 사용 메커니즘 :
가중치합이 임계점 값을 넘어가면 학습이 되는 방식!
시그모이드
- 시그모이드 함수는 0과 1사이의 값만을 갖기 때문에
gradient explosion을 방지하는 데 좋습니다! gradient explosion: 기울기가 점점
시그모이드 함수식
- x값이 커질수록 1에 수렴하고 x값이 작아질수록 0에 수렴하는 성질을 가지고 있습니다.
로지스트 회귀에 쓰임
weighted Sum이란?
-
Weighted Sum: 입력 feature들의 각각의 값과 이 feature의 중요도에 따라서 가중치 값을 정하고, 각각 곱한 후 다 더한 값 -
출력 값- weighted sum을 활성화 함수에 적용
퍼셉트론의 학습
예측값과 실제 값의 차이에 따라서 가중치 값을 재조정
1. 최초 가중치 값 설정
2. 예측값 계산
3. 예측값과 실제 값의 차이 계산
4. 차이를 줄일 수 있게 가중치 값을 변경(경사하강법을 적용하여 가중치 변경)
