chapter 1 인공지능 딥러닝의 이해 - 1절 인공 신경망의 이해 - 3항 인공 신경 살펴보기

1. 인공 신경의 구조

 인공 신경망은 인공 신경으로 구성되어 있다. 그리고 인공 신경은 여러 개의 입력부와 하나의 처리부, 하나의 출력부로 이루어져 있다.

 

2. 인공 신경의 데이터 처리 방식

  인공 신경은 세 가지 단계를 거쳐 데이터를 처리한다.

1. 각각의 입력 값이 가중치에 의해 커지거나 작아진다.
 입력값마다 각각의 가중치(weight)를 적용해 입력값을 조정한다. 입력값이 작더라도 가중치가 크면 값이 커지고, 입력값이 크더라도 가중치가 작다면 값이 작아진다. 가중치는 강도(strength)라고도 불린다.

2. 모든 입력 신호들이 더해진다.
  가중치에 의해 곱해진 입력 값들이 하나의 값으로 더해진다. 그리고 보정 값이 추가적으로 더해진다. 이 보정 값은 편향(bias)라고 불린다.

3. 신호를 활성화한다.
 앞에서 더해진 입력 값들이 활성화함수를 거쳐 하나의 출력값으로 바뀐다. 활성화 함수는 신호 전달 함수라고도 하며 신호의 형태를 다른 인공 신경의 입력에 맞게 변경하여 출력하는 역할을 한다. 활성화 함수의 예로는 sigmoid 함수, tanh 함수, relu 함수가 있다.

 

3. 인공 신경의 함수 수식

 일반적으로 인공 신경의 수식은 다음과 같다.

 

out = f(x1*w1 + x2*w2 + x3*w3 + ... + xn*wn + 1*b)

 

 여기서 x는 입력값, w는 가중치, b는 편향을 뜻한다. 이 함수의 함수값이 활성화 함수에 입력되고, 그 활성화 함수의 함수값이 인공 신경의 출력 값이 된다.