인공지능망
1. 퍼셉트론
- 개요 : 인공 신경망(Aritificial Neural Network, ANN)의 구성 요소(unit)로서 다수의 값을 입력받아 하나의 값으로 출력하는 알고리즘. Perceptron은 perception과 neuron의 합성어이며 인공 뉴런이라고도 하며, 생물학적인 신경계(Neual Network)의 기본 단위인 신경세포(=뉴런)의 동작 과정을 통계학적으로 모델링한 알고리즘.
- 생물학 뉴런의 역할과 동작 과정 : 수상돌기에서 인접한 다수의 뉴런 내 축삭돌기와 시냅스를 통해 신호를 입력받아 신경세포체에 저장합니다. 해당 뉴런이 저장한 신호의 크기가 특정 값(=임계값) 이상이 될 때만 신호가 축삭돌기를 통해 외부로 전달되기 때문에, 출력신호를 제어할수 있음.
- 뉴런의 기본 동작은 가지돌기(수상돌기)에서 신호를 받아들이고, 이 신호가 축삭돌기를 지나 축삭말단으로 전달되는 것이다. 신호가 축살돌기를 지나는 동안 약해지거나 너무 약해져서 축삭말단까지 전달되지 않거나, 또는 강하게 전달되기도 한다. 그리고 축삭말단까지 전달된 신호는 연결된 다음 뉴런의 가지돌기로 전달된다. 인간은 이러한 원리를 지는 수억개의 뉴런 조합을 통해 손가락을 움직이거나 물체를 판별하는 등 다양한 조작과 판단을 수행한다.
- 뉴런과 신경망의 원리를 인공 뉴런의 개념을 덧씌우면 아래 그림과 같다.
2. 인공지능망 모델
- 인공지능망 모델 - 인간의 뇌를 부분적으로 흉내낸 것
- 사람 신경망 단순화 : 여러가지 입력 데이터를 합쳐서 처리한 후 다음 노드로 결과 전달
- 가중치가 있는 링크들의 연결로 이루어 진다
- 각각의 뉴런은 여러 뉴런에게 데이터를 받지만, 단 하나의 결과만을 낸다
- 각각의 신호값을 가중치와 곱한 값들의 합과 뉴런이 가지고 있는 한계치와 비교한다
- 간단한 경우 한계치를 넘어서면 1을, 그렇지 않으면 -1을 출력하여 다음 노드로 전달
3. 단순한 인공지능망 모델 예제 (선형회귀)
- 12개의 입력 데이터(x)에 대해 다음과 같은 출력(y)이 나오는 경우
- 입력(x) : [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]
- 출력(y) : [5.0, 8.8, 9.6, 14.2, 18.8, 19.5, 21.4, 26.8, 28.9, 32.0, 33.8, 38.2]
- 이 경우는 1차 함수 형태로 구성되므로
- y = w * x + b
- 여기서 얻고자 하는 값은 w, b
- 입력, 출력 값을 가지고 w, b 값을 찾아서
- 입력이 13 이거나 2.5 와 같은 경우에 출력 값을 예상
- w, b 값을 찾는 프로그램
4. 활성화 함수 (Atcivation Function)
- 결과값을 내보낼때 사용하는 함수 (전이함수)
- 종류
- 계단함수
- 부호함수
- 시그모이드 함수
- 선형함수
- 쌍곡 탄젠트 함수
