뉴럴네트워크

퍼셉트론(Perceptron)

단층 퍼셉트론 : 초기 뉴럴 네트워크

• 입력값의 선형결합 값을 구하고 그 값이 0보다 큰지 분류
• 단층 퍼셉트론으로는 모든 문제를 해결할 수 없다.

(XOR 연산의 경우 단층 퍼셉트론으로는 구별할 수 없다)

2중 퍼셉트론 (=뉴럴 네트워크)

• 두 개의 퍼셉트론을 결합
• 두 개의 입력변수와 한 개의 출력변수
• 로지스틱 모델을 다시 한 번 로지스틱 모델로 구성한 형태

다층 퍼셉트론 (Multilayer Perecptron)

선형회귀모델, 로지스틱회귀모델, 뉴럴네트워크모델

(뉴럴네트워크 파라미터가 많아짐)

뉴럴네트워크 파라미터

Activation Function (활성화 함수)

시그모이드 함수(Sigmoid Function)

뉴럴네트워크 파라미터 결정, 비용함수

#### 뉴럴네트워크 비용함수 - 수치예측

(MSE : 오차가 커질수록 손실함수가 빠르게 증가하는 특징이 있다.)

(CEE : 정확히 맞추면 오차가 0. 틀릴수록 오차가 무한히 증가하는 특징이 있다.)

#### 뉴럴네트워크 학습 - 경사하강법

• 경사하강법 (Gradient Descent Method)

• 학습률의 선택

적절한 학습률(Learning rate)을 선택하는 것은 매우 중요하다

참고: https://sihyeon-kim.github.io/neural-networks-and-deep-learning-korean/chapter1.html