퍼셉트론 이론 및 구현

By | Y2018Y2018-4M-ȭD

들어가기 전에…

참고링크

  • 퍼셉트론: https://en.wikipedia.org/wiki/Perceptron
  • 단층 퍼셉트론: http://untitledtblog.tistory.com/27
  • 다층 퍼셉트론: http://untitledtblog.tistory.com/35

이 내용들을 이해하고 시작해보자.

Ian 교수님의 Data Mining 교재를 보면 퍼셉트론은 다음과 같이 정의하고 있다.

이와 같이 유도되는 다항식 ax^2+bx^2+cx^2+dx^2+ex^2+fx^2…  

에 대한 초평면의 집합으로 정의된다.

신경망으로 보면 각 Cell 에 대한 가중치와 그에 대한 연결로 표현할 수 있다.

신경망은 인간의 뉴런 시뮬레이션으로 시작되었으므로,  단일 인공 뉴런은 

  • 임계치 – threshhold – 신경반응을 발생시키는 최소 입력치
  • 가중치 – weight – 뉴런 반응에 대한 가중치
  • 뉴런 – neuron – 신경세포 그 자체

등과 같은 생물학적 요소에 대한 항목과(신경은 특정 입력-촉각, 통각 등등..)

  • 바이어스 – 선형 경계의 절편
  • 넷값 – 입력치와 가중치의 총합, 이것은 다수의 시냅스를 가지고 있는 단일 세포의 입력값의 총계라고 할 수 있다.
  • 활성함수 – 뉴런의 동작을 시뮬레이션 하는 함수

각각의 뉴런 집합에 대한 입력을 받고, 이 입력에 대한 가중치를 곱해서 뉴런에 보내고, 활성함수에서 값을 처리 후, 

아이들이 언어를 배울 때, 맞는 말을 하면 부모가 긍정적인 반응을 하고, 틀린 말을 하면 부정적인 반응과 함께 맞는 단어로 수정하는 과정을 거친다 – 언어학습.

646 total views, 1 views today

댓글 남기기