chapter 2 딥러닝과 신경망 - 1절 퍼셉트론

1. 퍼셉트론의 개념

 퍼셉트론이란 뉴런이 하나뿐인 신경망이다.

 

 퍼셉트론(perceptron)은 가중합(weighted sum)과 스텝 함수(step function)으로 구성되어 있다. 가중합은 선형 결합(linear combination)이라고도 부르며 각 가중치를 곱한 입력값의 합에 편향을 더한 값으로 정의된다. 가중합은 직선을 만들어내며 편향이 직선의 y절편 역할을 한다. 스텝 함수는 출력 값들을 목적에 맞는 값으로 만들어 준다.

 

2. 퍼셉트론의 학습 과정

 퍼셉트론은 실수를 통해 배우는 시행착오 전략으로 학습한다.

 

 퍼셉트론은 뉴런이 가중합과 스텝 함수를 통해 예측값을 결정하고, 이를 실제 레이블과 비교해 오차를 계산하고, 오차를 줄이는 방향으로 가중치를 조절하는 방식으로 학습한다. 학습이 완료되면 가중치들을 저장해 두었다가 미래의 입력에 적용한다.

 

3. 여러 개의 뉴런의 필요성

비선형 데이터셋을 분류하기 위해선 여러 개의 뉴런이 필요하다.

 

 퍼셉트론은 선형 함수이기 때문에 학습된 뉴런이 데이터를 나누는 경계가 직선이다. 따라서 선형 분리 가능(linearly separable) 데이터만 분류 가능하다. 하지만 대부분의 데이터셋은 비선형 데이터셋(nonlinear dataset)이기 때문에 뉴런을 추가해야 더 정확하게 분류가 가능하다.