사용자:Leeyongryull

인공신경망

인공신경망은(artificial Neural Network, ANN)은 인간의 두뇌로부터 영감을 받아 만들어진 기계학습 알고리즘으로, 머신러닝의 세부단계이면서 딥러닝 알고리즘으로 이루어진 계층적 구조를 지닌 컴퓨터 프로그램이다.

인공신경망의 작동원리 및 구조

인공신경망의 작동원리는 인간의 뇌가 신호를 전하는 방식, 즉 생물학적 뉴런이 서로 간에 신호를 보내는 방식을 모방한다. 인공신경망의 구조는 입력 계층, 다수의 은닉 계층, 출력 계층으로 이루어져 있으며 각 계층들을 노드(Node)라 칭한다. 각 노드들은 서로 연결돼있으며, 각각 연관된 가중치와 임계값을 갖는다.

퍼셉트론

퍼셉트론(Perceptron)은 프랑크 로젠블라트(Frank Rosenblatt)가 1957년에 제안한 초기 형태의 인공 신경망으로 다수의 입력으로부터 하나의 결과를 내보내는 알고리즘이다. 퍼셉트론은 실제 뇌를 구성하는 신경 세포 뉴런의 동작과 유사하다. 뉴런은 가지돌기에서 신호를 받아들이고, 이 신호가 일정치 이상의 크기를 가지면 축삭돌기를 통해서 신호를 전달한다. 퍼셉트론은 뉴런의 위 과정을 모방해, 신경 세포 뉴런의 입력 신호와 출력 신호가 퍼셉트론에서 각각 입력값과 출력값에 해당된다.

각각의 입력값에는 각각의 가중치가 존재하는데, 이때 가중치의 값이 크면 클수록 해당 입력 값이 중요하다는 것을 의미합니다.

각 입력값이 가중치와 곱해져서 인공 뉴런에 보내지고, 각 입력값과 그에 해당되는 가중치의 곱의 전체 합이 임계치(threshold)를 넘으면 종착지에 있는 인공 뉴런은 출력 신호로서 1을 출력하고, 그렇지 않을 경우에는 0을 출력한다.

단층퍼셉트론과 다층퍼셉트론

퍼셉트론은 단층 퍼셉트론과 다층 퍼셉트론으로 나뉜다. 단층 퍼셉트론은 값을 보내는 단계과 값을 받아서 출력하는 두 단계로만 이루어지며 이때 이 각 단계를 보통 층(layer)이라고 부르며, 이 두 개의 층을 입력층(input layer)과 출력층(output layer)이라고 한다. 위의 퍼셉트론이 이에 해당한다.

다층 퍼셉트론과 단층 퍼셉트론의 차이는 단층 퍼셉트론은 입력층과 출력층만 존재하지만, 다층 퍼셉트론(MultiLayer Perceptron, MLP)은 중간에 '또 다른 층'이 존재한다. 이 층을 은닉층(hidden layer)이라고 하며 은닉층은 입력층과 출력층 사이에 존재한다.

딥러닝(Deep Learning)의 학습과정

딥러닝의 학습과정은 오차를 수치화해주는 손실함수(Losss Function), 기울기 조정 등으로 오차를 개선하는 옵티마이저(Optimizer), 데이터의 실행횟수를 의미하는 에포크(Epoch) 등의 개념들에 기반한다.

에포크

출처

https://velog.io/@rsj9987/%EB%94%A5%EB%9F%AC%EB%8B%9D-%ED%8D%BC%EC%85%89%ED%8A%B8%EB%A1%A0-%EC%8B%A0%EA%B2%BD%EB%A7%9D([딥러닝] 퍼셉트론, 인공신경망)

https://wikidocs.net/24958(딥러닝을 이용한 자연어처리, 퍼셉트론)