피너클의 it공부방

신경망은 퍼셉트론을 다층으로 쌓고 활성화 함수를 개선한 것이다. 앞의 퍼셉트론을 수식으로 표현한다면 $y = h(b + w_{1}x_{1} + w_{2}x_{2})$$h(x) = \left\{\begin{matrix} 0\quad if\,x\leq 0 \\ 1\quad if\,x> 0 \end{matrix}\right.$위처럼 된다. 위에서 h(x) 함수같이 x를 출력신호로 변환하는 함수를 활성화 함수라 한다.여기서 x는 앞의 입력신호화 가중치, 편향의 계산 결과이다.그림으로 그리면 이런 형태이다. 하지만 활성화 함수에는 여러 종류가 있다. 시그모이드 함수S자 형태의 함수이다.def sigmoid(x): return 1 / (1 + np.exp(-x)) 계단함수계단함수는 0보다 크면 1 반환하고 ..

AND와 NADN, OR 모두 같은 구조로 만들수있다.안에있는 가중치와 편향만 다를 뿐이다. 가중치 : 입력 신호의 중요도편향 : 활성화 정도를 조정하는 매개변수 def AND(x1, x2): x = np.array([x1, x2]) w = np.array([0.5, 0.5]) b = -0.5 y = np.sum(w * x) + b if y > 0 : return 1 else : return 0AND는 위처럼 구현 가능하다.w는 가중치 값이다. 0.5와 0.5, 이 두값은 각각 x1, x2에 곱해진다.b는 편향이다. 입력신호에 가중치를 곱한 값에 더해줄것이다.입력값이 1과 1이라면 1 * 0.5 + 1 * 0.5 - 0.5 = 0.5가 될것이다.0.5는 0보다 크니 1을 반환하고 AND의 기능..