728x90
반응형
밑바닥부터 시작하는 딥러닝 CHAPTER 2. 퍼셉트론
퍼셉트론 (입출력을 가진 알고리즘)
- 다수의 신호를 입력으로 받아 하나의 신호를 출력
- 1 - 신호가 흐른다 / 0 - 신호가 흐르지 않는다
원 - 뉴런, 노드
입력신호 → 가중치(w1, w2) 곱해짐 → 뉴런
임계값을 넘어설 때 1 출력
<논리회로>
베타 -> -b
편향 b - 뉴런이 얼마나 쉽게 활성화 하는지 조정하는 매개변수 (결과로 1 출력)
가중치 w1, w2 - 입력 신호가 결과에 주는 영향력(중요도)를 조절하는 매개변수
(책에서 문맥에 따라 셋 다 가중치라고 할 때도 있음)
AND
def AND(x1, x2):
x = np.array([x1,x2])
w = np.array([0.5, 0.5])
b = -0.7
tmp = np.sum(w*x) + b
if tmp <= 0:
return 0
else :
return 1
NAND
def NAND(x1, x2):
x = np.array([x1, x2])
w = np.array([-0.5, -0.5])
b = 0.7
tmp = np.sum(w*x) + b
if tmp <= 0:
return 0
else :
return 1
OR
def OR(x1, x2):
x = np.array([x1, x2])
w = np.array([0.5, 0.5])
b = -0.2
tmp = np.sum(w*x) + b
if tmp <= 0:
return 0
else :
return 1
XOR
- 베타적 논리합
- XOR은 직선으로 ○와 ●을 나눌 수 없음
- 비선형 영역
- 다층 퍼셉트론 (단층 퍼셉트론은 직성형 영역만 표현 가능)
der XOR(x1, x2):
s1=NAND(x1, x2)
s2=OR(x1, x2)
y=AND(s1, s2)
return y
층이 여러개인 다층 퍼셉트론
- 0층의 두 뉴런이 입력 신호를 받아 1층의 뉴런으로 신호를 보냄
- 1층의 뉴런이 2층의 뉴런으로 신호를 보냄. 2층의 뉴런은 y를 출력
단층 퍼셉트론으로는 표현하지 못한 것을 층을 하나 늘려 구현 O
다층 퍼셉트론 - 이론상으로 컴퓨터 표현 가능
728x90
반응형
'AI > 딥러닝' 카테고리의 다른 글
[밑바닥부터 시작하는 딥러닝] 7장 합성곱 신경망(CNN) (0) | 2023.04.15 |
---|---|
[밑바닥부터 시작하는 딥러닝] 6장 학습 관련 기술들 (1) | 2023.04.08 |
[밑바닥부터 시작하는 딥러닝] 5장 오차역전파법 (0) | 2023.04.01 |
[밑바닥부터 시작하는 딥러닝] 4장 신경망 학습 (0) | 2023.03.25 |
[밑바닥부터 시작하는 딥러닝] 3장 신경망 (0) | 2023.03.18 |