5장. 퍼셉트론

실습

• 신경망이전
  • 신경망 이전에는 발생하는 모든 경우에 대비
  • 그래도 예외 상황은 존재함

인공신경망(Neuron)

• 사람의 신경망과 유사한 기능을 하는 학습 모델을 구성
• 모델 스스로 데이터의 특성을 학습 하기에 지도 학습, 비지도 학습 가능
• 회귀 분석
• 분류
• 패턴 파악
• 방대한 데이터 필요
• 긴 학습 시간을 극복할 하드웨어 필요

퍼셉트론(Perceptron)

• 인공신경망 시스템은 동물의 신경계 시스템을 모사하여 설계

퍼셉트론의 구조

• y = activation(w1x1 + w2x2 + B)
• Activation function

퍼셉트론 파이썬 코드

def perceptron(x, weights):
  sum_ = weights[0] # bias
  for i in range(len(x)-1):
    pre_y += weight[i+1]*x[i]
  return 1.0 if pre_y >= 0.0 else 0.0

퍼셉트론과 논리 회로

• 퍼셉트론은 인공지능을 만들기 위해 시작

뉴런 => 신경망 => 지능
퍼셉트론 => 인공 신경망 => 인공지능

• 퍼셉트론은 주어지는 정보를 뒤로 전달하거나 무시하거나 하는 논리회로(logic gate)의 역할을 할 수 있을 거라 믿음

선형

AND gate

• C = activation(1A + 1B - 1.5)

OR gate

• C = activation(1A + 1B - 0.5)

NAND(NOT-AND) gate

• C = activation((-1)A + (-1)B + 1.5)

NOR(NOT-OR) gate

• C = activation((-1)A + (-1)B + 0.5)

비 선형

XOR gate

• 단층 퍼셉트론은 XOR문제 뿐만 아니라 다양한 문제의 해결 불가능
• 선형적인 특성을 벗어난 비선형적인 접근 방법 필요
• XOR 연산은 하나의 레이어를 사용하여 표현하는 것은 불가능 하지만, NAND와 OR연산을 사용하여 표현 가능

다층 퍼셉트론 (MLP)

• 다층 퍼셉트론은 입력층, 은닉층, 출력층으로 구성
• Hidden Layer가 3층 이상 되면 Deep NN(DNN) 딥러닝