[AI 데이터 분석] 딥러닝 시작하기 - 01. 퍼셉트론

01 딥러닝 개론

 

• 인공지능, 머신러닝, 딥러닝의 관계

- 인공지능은 인공적으로 사람의 지능을 구현하는 것이고, 다양한 방법론 중 하나가 머신러닝이다.

- 머신러닝의 다양한 방법론 중 하나가 딥러닝이다.

 

• 딥러닝이란?

 

• 인공신경망이란?

 

• 현대의 다양한 딥러닝 기술 적용 사례 

 

02 퍼셉트론 ( Perceptron )

 

• 1958년 초기 신경망 퍼셉트론의 등장

- 퍼셉트론 : 딥러닝의 가장 기본적인 단위

 

• 초기 형태의 신경망, 퍼셉트론

- 퍼셉트론은사람의 신경세포인 뉴런과 비슷한 구조로 만들어졌다.

 

• 퍼셉트론의 기본 구조

- 가중치 : 들어오는 신호에 대해 얼만큼 신호를 증폭해주는 정도를 의미한다.

- bias : 들어오는 입력값에 상관없이 들어오는 값

 

• 활성화 함수 ( Activation Function )

- 활성화 함수는 x 값이 0보다 크면 오른쪽 1, 0보다 작으면 왼쪽 0으로 값을 매핑해주는 함수이다.

 

• 퍼셉트론 동작 예시

 

 

- W0는 의지, W1은 신작드라마 영향, W2는 여가시간에 따른 공부하고 싶은 정도

 

- 직선을 얼만큼 잘 구했냐에 따라 퍼셉트론에 구현 성과가 정해진다.

- 퍼셉트론은 선형 분류기로써 데이터 분류가 가능하다.

 

03 다층 퍼셉트론

 

• 비 선형적인 문제 해결

 

• 다층 퍼셉트론 ( Multi Layer Perceptron ) - MLP

 

• 히든층 ( Hidden Layer )

 

• 히든층의 개수와 딥러닝 ( = 다층 퍼셉트론 )

- 장점 : 분류할 수 있는 방법이 많아져 성능이 좋아진다.

- 단점 : 가중치가 많아져 구조가 복잡해진다.