인공신경망 (ANN)
인공신경망 (Artificial Neural Network, ANN)은 컴퓨터를 학습시키기 위해 동작 원리에 기초하여 만든 구조입니다. ANN은 복잡한 문제 해결과 패턴 학습에 사용됩니다.
퍼셉트론
입력 (Xn)
가중치 (Wn)
- 개별 입력 항목마다 다른 중요도를 반영하기 위한 수치입니다.
- 값의 정확성에 따라 예측의 정확성이 달라집니다.
- Xn * Wn으로 표현됩니다.
전이함수
- 입력 데이터에 각각의 가중치 값을 곱한 것을 합하여 다음 함수로 전달하는 역할을 합니다.
활성화 함수
- 전이함수로 받은 데이터의 크기가 일정량을 넘어서면 출력할 수 있도록 하는 함수입니다.
- 출력의 기준이 되는 것을 임계값이라고 합니다.
베타적 논리합
- 베타적 논리합은 두 개의 명제 가운데 한 개만 참일 경우를 판단하는 논리 연산입니다.
다층 퍼셉트론
- 다층 퍼셉트론은 여러 개의 퍼셉트론을 사용하여 복잡한 문제를 해결합니다.
결과값
- 결과값은 가중치와 활성화 함수에 의해 변화합니다.
- 가중치의 조정과 활성화 함수의 선택에 따라 예측 결과가 달라집니다.
오차역전파법
- 오차역전파법은 심층 신경망에서 최적의 가중치와 활성화 함수 값을 학습시키기 위해 오차를 반대 방향으로 다시 보내는 방법입니다.