chapter 2 딥러닝과 신경망 - 2절 다층 퍼셉트론

1. 다층 퍼셉트론의 구조

 퍼셉트론을 여러 층으로 연결한 구조를 다층 퍼셉트론라고 한다.

 

 다층 퍼셉트론(multilayer perceptron, MLP)은 입력층, 은닉층, 결합 가중치, 출력층으로 구성된다. 입력층은 특징 벡터가 담기는 곳이다. 은닉층은 특징을 직접 학습하는 곳이다. 결합 가중치는 노드 간의 연결에서 입력의 영향력을 나타내는 역할을 한다. 출력층은 모델의 예측결과가 출력되는 층이다.

 

2. 층수와 층을 이루는 노드 수

 층수와 층을 이루는 노드 수는 신경망의 성능을 결정짓는다.

 

 일반적을로 모델의 정화도를 높이려면 층수와 층을 이루는 노드 수를 늘리면 된다. 하지만 이것들을 과도하게 늘리면, 모델이 학습 데이터에 지나치게 부합해버리는 과적합(overfit)을 일으키고 계산 비용도 많이 든다. 따라서 목적에 따라 적절한 층수와 층을 이루는 노드 수를 결정하는 것이 중요하다.