인공 신경망2 [인공 신경망] 입력변수, 출력변수 딥러닝에서도 머신러닝과 마찬가지로 입력변수와 목표변수가 존재한다. MNIST의 경우에도 당연히 입력변수(사진)와 목표변수(숫자값)이 있었다. 하지만 앞서 말했듯이, 컴퓨터는 입력변수 사진을 못받기 때문에, 각 픽셀의 모든 값을 입력변수로 받는다. 하단 그림의 예시를 보자. 이런식으로 숫자그림(입력변수)의 픽셀 하나하나가 활용되는 것이다. 그리고 목표변수를 통해 숫자의 값을 학습을 시키는 것이다. 이렇게 무수히 많은 입력변수들을 받는 것이고, 하나의 입력변수는 픽셀 값을 벡터 행렬로 받는다. 입력변수는 일반적 x를 활용하기 때문에 공식으로 표현하면 다음과 같다. i번째 입력변수의 j번째 픽셀. 그림에서 1번(i)째 입력변수는 5이며, 2번(j)째 픽셀값은 0.3 인 것이다. 입력변수의 값은 행렬로 표현하며.. 2023. 11. 26. [인공 신경망] 층, 뉴런, 가중치 인공 신경망을 조금더 살펴보자. 입력층, 은닉층, 출력층 전체의 구조는 파악했다면, 층과 뉴런을 살펴보겠다. 입력층은 0번째 층으로 총 층수에서는 세지 않는다. 위의 그림의 경우 3개의 층으로 이루어져 있다고 한다. 다음으로 X0으로 표현했던 인풋을 제외하고, 레이어의 뉴런은 사실 activation의 앞글자인 'a'를 활용해서 표현한다. 위 첨자에는 몇 번째 층인지, 아래는 몇번째인지 나타낸다. 다음은 가중치의 표현이다. 가중치는 뉴런과 뉴런 사이에 위치하기 때문에 어떻게 표현해야할지 약간 애매한 부분이 있다. 하지만 가중치는 뒤 뉴런을 기준으로 표현할 수 있다. 이렇게 첫번째 뉴런으로 연결된 가중치를 w[1], 두번째 뉴런으로 연결된 가중치는 w[2]로 표현한다. 그렇다면 각각의 가중치는 어떻게 표현.. 2023. 11. 23. 이전 1 다음
