인공지능 13주차
·
학교수업
입력 링크에서 여러 신호를 받아 활성화 수준을 계산 후, 출력 링크로 출력 신호를 내보낸다. 출력 신호는 문제의 최종적인 해이거나 다른 뉴런에 입력이 될 수 있다. 뉴런은 활성화 함수를 사용 가중치 합이 임계값을 넘으면 +1 못넘으면 -1 계단과 부호 활성화 함수 -> 하드 리밋 함수 (분류, 패턴인식 작업) 시그모이드 함수는 양과 음의 무한대 사이에 있는 입력값을 0~1사이 적다한 값으로 바꿈 시그모이드 함수는 역전파 신경만에 사용된다. 선형 활성화 함수는 뉴런의 입력에 가중치가 적용된 것과 같은 출력값 내놓음 단인 뉴런 학습 -> 퍼셉트론(신경망의 가장 간단한 형태) - 시냅스 가중치와 하드 리미터를 포함한 단일 뉴런으로 구성 가장 일반적인 활성화 함수 : 계단, 부호, 선형, 시그모이드 퍼셉트론 특..