컴퓨터비전63 [딥러닝] 다층 퍼셉트론(Multi Layer Perceptron)의 개요 다층 퍼셉트론(심층신경망) 구조 심층 신경망(Deep Nueral Nerwork, DNN)은 입력층과 출력층 사이에 여러 개의 은닉층들로 이뤄진 인공신경망(ANN)이다. 기존 단층 퍼셉트론은 간단한 문제만 해결이 가능하고 더 복잡한 비선형 문제의 해결을 위해서는 은닉층(Hidden Layer)가 포함된 다중 퍼셉트론으로 심층 신경망을 구성하여야한다. 학습방법 1. Feed Forward를 수행. (단층 퍼셉트론와 마찬가지로 Input Layer와 Hidden Layer들의 가중치의 곱의 합에 Activation으로 Output Layer를 도출해낸다.) 2. 오차 역전파(Backpropagation)으로 뒤에서부터 거꾸로 가중치를 업데이트한다. 3. 1, 2 번 과정을 반복한다. 오차 역전파(Backpr.. 2022. 3. 6. [딥러닝] 단층 퍼셉트론(Single Layer Perceptron)의 개요 단층 퍼셉트론(Single Layer Perceptron) 이란? 가장 단순한 형태의 신경망이다. Hidden Layer가 없이 Single Layer로 구성되었고, 입력 피처들과 가중치, Activation, 출력 값으로 구성되었다. 출력 = F(w0(절편) + w1*x1 +w2*x2 + w3*x3 + ..... + wn*xn ) 가중치 합: 입력 feature들의 개별 값과 이 개별 feature에 얼마만큼의 가중치를 주어야 결정하는 가중치 값을 각각 곱하고 최종으로 더해서 나온 값 출력 = 가중치값에 Activation 함수를 적용한 값 학습방법 값과 실제값의 차이가 최소가 되는 weight 값을 찾는 과정이 퍼셉트론이 학습하는 과정 퍼셉트론이 학습하는 것은 최적의 W벡터[w0, w1, w2, w3.. 2022. 3. 5. [딥러닝] 딥러닝의 개요 딥러닝(Deep Learning)이란 여러 층을 가진 인공신경망(Artificial Neural Network, ANN)을 사용하여 머신러닝 학습을 수행하는 것으로 심층학습이라고도 부릅니다. 따라서 딥러닝은 머신러닝과 전혀 다른 개념이 아니라 머신러닝의 한 종류라고 할 수 있습니다. 인공신경망(Artificial Neural Network, ANN) 딥러닝에서 가장 기본이 되는 개념은 바로 신경망(Neural Network)입니다. 신경망이란 인간의 뇌가 가지는 생물학적 특성 중 뉴런의 연결 구조를 가리키며, 이러한 신경망을 본떠 만든 네트워크 구조를 인공신경망(Artificial Neural Network, ANN)이라고 부릅니다. 머신러닝(딥러닝 포함) 이란 입력 데이터가 주어 졌을 때 답을 유추해 .. 2022. 3. 5. 이전 1 ··· 13 14 15 16 다음
