[ Ch1 ] 인공 신경망의 구성 및 동작 원리
인공 신경망은 머신 러닝의 한가지 기법으로써 사람이 뉴런을 통해 신호를 전달하는 방법을 모방한 인공신경망을 사용하여 기계를 학습시킵니다. 인간의 신경망을 모방하여 만든 것을 인공 신경망이라 하므로, 인간의 신경망에 대해 우선 알아보도록 하겠습니다.
인간의 신경망은 신경세포체인 뉴런으로 이루어져 있고, 기본적인 뉴런은 <Fig1>과 같은 모습을 하고 있습니다.
뉴런은 가지돌기에서 받아들인 신호를 축색돌기를 통해 다음 뉴런에 전달합니다. 위와 같은 뉴런이 신호를 받아 다음 뉴런으로 내보내는 과정을 간단히 모델링 하여 나타내면 <Fig2> 와 같은 모습을 가지게 됩니다.
이 모델을 살펴보면
1) a,b라는 입력을 받습니다. 실제 뉴런 및 이를 모델링한 인공 뉴런에서도 여러 개의 입력을 받을 수 있습니다.
2) 입력받은 a, b를 합합니다.
3) 모든 입력의 합을 활성화 함수를 통과시킨 뒤 출력으로 내보냅니다. 출력 또한 여러 뉴런으로 보낼 수 있습니다.
여기서 활성화 함수라는 새로운 개념이 등장합니다.
* 활성화 함수 : 뉴런의 입력과 출력은 y = ax + b와 같은 선형적인 관계를 가지지 않습니다. 계단형 함수(step function)처럼 특정 threshold 값 이상의 입력이 들어오게 되면 출력값을 내보내게 되는데, 뉴런에 적용되는 이 threshold 값을 가지는 함수를 활성화 함수(activation function)이라고 합니다. 아래는 활성화 함수의 종류입니다.
<Different Activation Functions and their Graphs - https://medium.com/@shrutijadon10104776/>
다음 포스트에서 여러 뉴런을 통한 간단한 신경망 모델링을 해보겠습니다.
