neuron과 인공신경망

출처: 패스트캠퍼스/  딥러닝·인공지능 Signature 초격차 패키지 Online

 

 

인공신경망 ANN: Artificial Neural Network

•노드(혹은 unit)와 엣지(혹은 connection)로 이루어져있다.

•웨이트(중요도)를 곱하고 바이어스(민감도)와 함께 더하고, 액티베이션!

•여러가지 액티베이션이 존재. 여기서 본 건 unit (1) step (계단) function

•주어진 입력에 대해 원하는 출력이 나오도록 웨이트, 바이어스를 AI가 알아내는 것! 그게 바로 “AI가 학습을 한다”는 것의 실체!

근데, AI가 스스로 적절한 웨이트, 바이어스를 알아내기 때문에 대박

 

•곱하고 더하고 activation, 곱하고 더하고 activation, .. 반복이네!

•모든 노드들이 연결되어있는 신경망을 multilayer perceptron (MLP) 라고들 부릅니다. (perceptron은 unit step function을 활성화 함수로 사용하는 인공 신경을 의미하지만 MLP는 임의의 활성화 함수를 사용하는 인공 신경망을 의미함)

 

 

Input layer & output layer (& hidden layer)

•깊은 인공신경망? (DNN: Deep Neural Network)

노드끼리 싹다 연결한 층은 FC (fully-connected) layer 라고 불러요

•다시 말해, 주어진 입력에 대해 원하는 출력이 나오도록 하는 함수를 만들자는 것!

(바로 그 함수를 인공신경망으로 표현했으니 웨이트 바이어스 알아내는 것이 바로 딥러닝의 목표)

•그럼 ax+b (일차 함수) 를 인공 신경망으로 표현해보자

(힌트: linear activation)

•이거로 뭘 할 수 있나..?

 

 

linear activation

들어가는 값이 그대로 나감

 

출처: 패스트캠퍼스/ 딥러닝·인공지능 Signature 초격차 패키지 Online