딥러닝/딥러닝 기초

퍼셉트론을 배우고 다층 퍼셉트론이 나오게 된 배경과 구조를 배우다. 1. 퍼셉트론과 활성화 함수 퍼셉트론은 간단하게 선형함수 + 활성화 함수의 조합이다. 우리가 처음 보는 것은 활성화 함수일 것이다. 퍼셉트론은 인공 신경망이고 인공 신경망은 인간의 뉴런을 본떠 만든 것이라고 했다. 인간의 뉴런은 특정 자극 이상을 받을 때만 반응한다. 그 특정 자극의 세기를 '역치'라고 하는데, 이 역치 이상의 자극을 주면 반응을 한다. 이 역치의 역할을 하는 것이 바로 퍼셉트론에선 '활성화 함수'이다. 입력 데이터가 선형 함수에 대입 되고, 그 결괏값을 활성화 함수에 대입한다. 위 수학 표현식을 보면 선형함수의 결과가 0 이하이면 활성화 함수의 y값은 0이 되고, 선형함수의 결과가 0 초과이면 활성화 함수의 y값은 1이..

인간의 신경망을 모방하여 학습하는 기술인 딥러닝을 배우다. 1. 딥러닝 정의 기존에 배운 머신러닝은 모델을 학습하기위해 입력데이터를 사람이 개입해서 모델이 잘 학습할 수 있도록 데이터 전처리 과정을 거친다. 그렇기 때문에 데이터 전처리 과정이 굉장히 중요하다. 좋은 데이터로 모델을 학습해야 좋은 모델과 좋은 결과를 출력하기 때문이다. 딥러닝은 다르다. 딥러닝은 머신러닝에 속한 개념인데 딥러닝 모델을 학습시킬 때는 입력 데이터에 사람의 개입이 크지 않다. 입력 데이터가 많을수록 모델이 올바른 방향으로 학습한다. 딥러닝 모델은 인간의 신경망을 모방하여 학습한다. 머신러닝에서 배운 선형함수가 딥러닝 모델의 근간이된다. 인간의 신경망인 뉴런이 선형함수라고 생각하면 된다. 여러개의 선형모델들이 병렬적 다층 구조로..