#2-(1) 신경망 : 소개

※ 이 글의 내용은 O'REILLY의 <밑바닥부터 시작하는 딥러닝> 책을 기반으로 한다.

신경망(Neural Network)

• 신경망

 - 인공 신경망(Artificial Neural Network) : 머신러닝에서 생물의 중추 신경계, 그 중에서도 뇌에서 영감을 얻은 통계학적 학습 알고리즘이다. 인공 뉴런(노드)이 서로 연결되어 네트워크를 형성하고, 각각의 뉴런이 학습을 통해 가중치를 변화시켜 문제 해결 능력을 가지는 모델 전반을 가리킨다.

 - 퍼셉트론 알고리즘의 경우, 복잡한 함수를 표현할 수는 있지만 가중치를 설정하는 작업은 사람이 수동으로 해야한다. 그러나 신경망은 가중치 매개변수의 적절한 값을 데이터로부터 자동으로 학습하는 능력을 가지고 있다.

<2층 신경망>

 - 신경망은 입력 신호가 들어가는 입력 노드가 층을 이루고 있는 입력층(Input Layer), 가중치를 주면서 신호를 전달하는 은닉층(Hidden Layer), 전달받은 신호를 최종적으로 출력하는 출력층(Output Layer)로 구성되어 있다. 그 중에서도 입력층과 출력층은 시스템 상에서 사람의 눈에 보이지만, 그 내부에 신호를 전달하는 층은 보이지 않기 때문에 은닉층이라 불린다.

 - 입력층은 가중치를 가지지 않고 단지 입력 신호를 전달하는 역할만 하기 때문에, 신경망의 층 수를 셀 때는 전체 층 수에서 입력층의 개수 1을 빼고 계산한다.

 - 각각의 뉴런(노드)은 퍼셉트론 알고리즘을 채용하고 있으며, 입력에 고유의 가중치를 곱한 것을 다 더하여 그 값과 임계치를 비교한 후 임계치보다 크면 1을, 작으면 0을 출력한다.