[밑시딥1] Chapter 2. 퍼셉트론

2.1 퍼셉트론이란?

• 신경망(딥러닝)의 기원이 되는 알고리즘
• 다수의 신호를 입력 받아 하나의 신호 출력(1 또는 0)
• 입력 신호: x1, x2
• 출력 신호: y
• 가중치: w1, w2 (가중치가 클수록 강한 신호)
• 뉴런으로부터 오는 신호의 총합이 임계값(θ)을 넘어서면 1 출력

 

 

 

 

 

 

 

 

 

2.2 단순한 논리 회로

• AND 게이트(두 입력이 모두 1일 때만 1 출력, 그 외에는 0 출력)
• NAND 게이트(두 입력이 모두 1일때만 0 출력, 그 외에는 1 출력)
• OR 게이트(입력 신호 중 하나 이상이 1이면 1 출력)

    * 퍼셉트론 구조는 AND, NAND, OR 게이토 모두 똑같음(매개변수의 값만 다를 뿐)

 

 

2.3 가중치와 편향

• θ를 -b로 치환
• b = 편향 = 뉴련이 얼마나 쉽게 활성화하느냐 조정
• 입력 신호에 가중치를 곱한값과 편향을 합하여, 0을 넘으면 1 출력하고 그렇지 않으면 0 출력

 

2.4 (단층) 퍼셉트론의 한계

• OR 게이트의 동작 시각화
• (b,w1,w2) = (-0.5,1.0,1.0)
• 해당 퍼셉트론은 직선을 통해 네 점을 제대로 나눔

 

• XOR 게이트(x1,x2 중 한쪽이 1일 때만 1 출력)
• 하지만, 퍼셉트론으로 XOR 게이트 구현 X
• ●와 ▲를 직선 하나로 나누는 방법 X

 

2.5 XOR 게이트 구현

• XOR 게이트는 퍼셉트론에 '층을 쌓은' 다층 퍼셉트론으로 구현이 가능
• 기본적으로 AND, NAND, OR 게이트를 조합하여 만들 수 있음

• XOR은 다층 구조의 네트워크
• 단층 퍼셉트론으로는 표현할 수 없던 것을 층을 늘려 구현(비선형적인 표현 가능)
• 다층 퍼셉트론은 (이론상) 컴퓨터도 표현 가능

 

[정리]

• 퍼셉트론은 입출력을 갖춘 알고리즘
• 입력을 주면 정해진 규칙에 따른 값을 출력
• 퍼셉트론에서는 '가중치'와 '편향'을 매개변수로 설정
• 퍼셉트론으로 AND, OR, NAND 게이트 등의 논리 회로 표현 가능
• XOR 게이트는 단층 퍼셉트론으로는 표현 불가능
• 2층 퍼셉트론을 이용하면 XOR 게이트 표현 가능
• 단층 퍼셉트론은 직선형 영역만 표현할 수 있고, 다층 퍼셉트론은 비선형 영역도 표현 가능