단 / 다층 퍼셉트론

단층 퍼셉트론

1957년 프랭크 로센블래트는 MCP 뉴런 모델을 기초로 퍼셉트론 학습 규칙이라는 개념을 고안하게 되는데, 

 

로센블래트는 하나의 MCP 뉴런이 출력신호를 발생할지 안할지 결정하 기 위해, 

 

뉴런으로 들어오는 각 입력값에 곱해지는 가중치 값을 자동적으로 학습하는 알 고리즘을 제안했다.

 

퍼셉트론은 머신러닝의 지도학습이나 분류의 맥락에서 볼 때, 하나의 샘플이 어떤 클래스 에 속해 있는지 

 

예측하는데 사용될 수 있다.

 

x0~xn은 퍼셉트론 알고리즘으로 입력되는 값이며, w0~wn은 각각의 입력값에 곱해지는 가중치이다. 

 

입력값은 보통 분류를 위한 데이터의 특성을 나타내는 값으로 이루어져 있으며,

 

이 특성값에 가중치를 곱한 값을 모두 더하여 하나의 값으로 만든다. 이 값을 만 드는 함수를 순입력함수라고 부른다.

 

순입력함수의 결과값을 특정 임계값과 비교를 하 고, 순입력함수 결과값이 이 임계값보다 크면 1,

 

그렇지 않으면 –1로 출력하는 함수를 정의한다. 이 함수를 활성함수라고 부른다.

퍼셉트론은 다수의 트레이닝 데이터를 이용하여 일종의 지도학습을 수행하는 알고리즘이 다. 트레이닝 데이터에는 

 

데이터의 특성값에 대응되는 실제 결과값을 가지고 있어야 한 다. 입력되는 특성값에 대한 실제 결과값을 

 

활성함수에 의해 –1 또는 1로 변환한다.

 

---

2. 다층 퍼셉트론

 

다층 퍼셉트론은 중간층을 구성하는 노드가 여러개이고, 이러한 중간층이 다수로 구성되 어 있는 구조를 말한다.

단층 퍼셉트론은 선형 분리문제를 풀 수 있는 알고리즘 이었다. 

 

따라서 결과가 단순히 TRUE/FALSE로 구분되는 문제에 대해서는 풀 수 있었지만 결과값이 다양하게 

 

나올 수 있는 문제들에 대해서는 해결할 수 없었다. 이러한 문제는 다층 퍼셉트론을 적용하여 해결되었다.