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..

퍼셉트론의 가장 단순한 형태는 AND, NAND, OR과 같은 논리 게이트(Logic Gate) AND GATE 입력 신호가 모두 1일 때 1을 출력 즉, 두 조건을 만족할 때만 동작 NAND GATE Not AND 의 줄임말로 AND GATE 결과의 반대를 출력 OR GATE 입력 신호 중 하나만 1이라도 1을 출력 XOR GATE 배타적 논리합(Exclusive-OR)이라고도 불리는 GATE 입력 신호가 다를 경우 1을 출력 신경망이 논의되던 초기에 퍼셉트론의 한계로 지적되었던 것 Linear separability 위 그래프는 각각 AND, OR, XOR의 진리표를 나타내고 있는 그림 검은색이 1, 흰색이 0을 나타냄 AND와 OR에 해당하는 그래프에는 두 클래스를 분류하기 위한 분류 경계 XOR에..