사람의 신경망은 일정한 크기 이상의 자극(역치)이 들어와야 자극을 다음 뉴런에게 전달 이 개념을 인공신경망에도 적응 시킨다 y값을 활성화함수에 넣고 활성화 함수가 이를 퍼셉트론 이라 한다 역치 이상의 자극인지 판단한다 활성화 함수 중 계단함수 역치이상이면 1 / 미만이면 0으로 0또는 1로 분류 -> 사람은 0아니면 1로 딱 떨어지게만 생각하지 않는다 -> 이를 보완하기 위해 Sigmoid 함수가 나온다. 시그모이드 함수(0~1사이의 값들 중 확률에따라 선택) 퍼셉트론 하나 직선하나를 그어서는 (0과1을 분리) XOR게이트를 풀 수 없었다. -> MLP 다층 퍼셉트론 NAND(Not and) OR 두개를 AND 게이트화 시키면 XOR게이트를 풀 수 있다. 다층 구조 한 번의 연산으로 해결 되지 않는 문제..