퍼셉트론, 다층 퍼셉트론

 

 

 

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 해결 가능

 

 

단층에 비해 학습시간이 오래 걸린다

 

 

모델(신경망)이 복잡해지면서

학습시 과대적합되기 쉽다