반응형
0. 딥러닝이란
x와 y 관계를 다층 퍼셉트론 구조로 표현하는 모델
* 딥러닝이 각광받는 이유: 딥러닝은 기존의 모형에 비하여 유연성이 높아 복잡한 비선형 관계를 표현할 수 있다. 또 모델링의 자유도가 높아 정형데이터를 포함한 다양한 종류의 데이터 표현이 가능하다.
1. 퍼셉트론(perceptron) 알고리즘
퍼셉트론은 다수의 신호를 입력으로 받아 하나의 신호를 출력한다.
위 그림은 입력으로 2개의 신호를 받은 퍼셉트론의 예이다.
xi는 입력 신호, y는 출력 신호, wi는 가중치를 뜻한다. 위 그림의 원을 노드 또는 뉴런이라 부른다. 입력 신호가 노드에 보내질 때 각각 고유한 가중치가 곱해지는데 가중치는 각 신호가 결과에 영향을 주는 영향력을 조절하게 된다. 노드에서 보내온 신호의 총합이 정해진 한계점을 넘을 때 1을 출력하게 되는데, 그 한계를 임계값이라 부른다.
2. 단순한 논리 회로
2-1. AND 게이트
AND 게이트는 입력이 둘이고, 출력은 하나이다.
이 그림은 AND 게이트 진리표로, 입력이 모두 1일때만 1을 출력하고, 그 이외에는 0을 출력한다.
2-2. NAND 게이트
NAND = not AND 를 의미하며 그 동작은 AND 게이트의 반대이다.
2-3. OR 게이트
OR 게이트는 입력 신호 중 하나 이상이 1이면 출력이 1이되는 논리 회로이다.
반응형
'Deep Learning' 카테고리의 다른 글
Progressive Growing of GAN (3) | 2024.07.12 |
---|