RIMI CODE

인공 신경망 딥러닝(Deep Learning)은 인공 신경망의 층을 깊게(Deep) 쌓은 것 ANN(Artificial Neural Networks), 즉 인공 신경망은 실제 신경계를 모사하여 만들어진 계산 모델 줄여서 뉴럴넷(Neural-Net)으로 부르기도 함 퍼셉트론을 다층으로 쌓는 이유 1개의 분류기로는 XOR GATE 문제를 풀 수 있음 1개의 층으로는 해결할 수 없던 문제도 2개 이상의 층으로 구성하면 풀 수 있음 퍼셉트론을 여러 개의 층으로 쌓아 구축한 신경망 => 다층 퍼셉트론 신경망(Multi-Layer Perceptron, MLP)라고 함 입력층(Input Layer) 데이터셋이 입력되는 층 입력되는 데이터셋의 특성(Feature)에 따라 입력층 노드의 수가 결정 보통 어떤 계산도 수행..

퍼셉트론(Perceptron) 신경망을 이루는 가장 기본 단위 다수의 신호를 입력으로 받아 하나의 신호를 출력하는 구조 레고의 블록과 비슷 1. 가중치(Weight) - 편향(bias) 연산 가중합(Weighted Sum) 입력된 신호를 각각의 가중치와 곱하고 그 결과를 더해주게 되는 퍼셉트론의 첫 번째 단계 import numpy as np input = np.array([1, 2, 3]) weight = np.array([0.2, 0.3, -0.1]) np.dot(input, weight) 0.5 입력 신호(input)에 대해 임의의 가중치(weight)를 설정 1 X 0.2 + 2 X 0.3 + 3 X (-0.1) = 0.5 2. 활성화 함수(Activation function) 계산된 가중합을 얼..