신경망 모형
- 특징
- 인간의 뇌는 수많은 뉴런으로 구성되어 있으며, 이러한 뉴런들은 다른 뉴런으로부터의 정보를 수용, 처리 및 전달함
- 인공 신경망 (Artificial Neural Network): 뉴런으로 구성되는 생물학적 신경망을 모방하여 만든 정보 처리를 위한 수학적 모델
- 학습이 용이함, 효율적인 병렬 처리, 다양한 문제에 적용 가능
- 퍼셉트론의 경우 계단 형태의 함수만을 이용해서 활성 함수가 단조롭고 하나의 선으로 선형 분리가 불가능한 데이터에 대한 적용 어려움이 있음
- 따라서 복수의 퍼셉트론을 동시에 이용하는 다층 퍼셉트론 개념이 제안되었으며, 인공 신경망의 표준이 됨
- 입력층과 출력층의 역할은 퍼셉트론에서와 같음 (입력층은 받은 값을 전달, 출력층은 활성 함수 값을 계산하여 출력을 결정)
- 다만 출력층도 여러 개의 node로 구성되며, m개의 출력을 결정함
- 은닉층: 입력층과 출력층 사이에 존재하며, 입력층에서 은닉층으로 전달될 때의 가중치와 은닉층에서 출력층으로 전달될 때의 가중치가 독립적으로 존재함
'데이터사이언스' 카테고리의 다른 글
| 신경망 구조 (0) | 2019.10.24 |
|---|---|
| 다중 퍼셉트론의 학습 방법 (0) | 2019.10.24 |
| 신경망 모델 (퍼셉트론 모형) (0) | 2019.10.24 |
| 딥러닝의 수학적 구성 요소 (0) | 2019.10.23 |
| 딥러닝의 필요성 (0) | 2019.10.22 |
