퍼셉트론의 한계를 극복하는 방법입니다. 퍼셉트론은 나오자 마자 한계에 봉착했는데, 이를 해결하기 위해 구조적인 확장을 하게 됩니다. 그러나 정작 중요한 것은 이 확장된 구조에서의 학습 방법을 오랫 동안 찾지 못한 것입니다. 여기서 소개하는 신경망 학습방법은 신경망 학습방법의 거의 전부라고 할 수 있습니다.
1. 멀티레이어 퍼셉트론
딥러닝을 위한 신경망 기초
nonezerok@gmail.com
퍼셉트론의 한계를 극복하는 방법입니다.
퍼셉트론은 나오자 마자 한계에 봉착했는데,
이를 해결하기 위해 구조적인 확장을 하게 됩니다.
그러나 정작 중요한 것은 이 확장된 구조에서의 학습 방법을 오랫 동안 찾지 못한 것입니다.
여기서 소개하는 신경망 학습방법은 신경망 학습방법의 거의 전부라고 할 수 있습니다.
2. 2
=
1
1
= 1
=
0
1
= 0
=
0
0
= 0
=
1
0
= 0
퍼셉트론이 다루지 못하는 문제
직선으로는 이 패턴을 구분할 수 없다
18. 18
오류가 전달되었다
오류에 대한 가중치 변화율
=
1
2
−
먼저 직관으로 이해해 보자
출력 층에서 발생하는 오류는
그 이전 히든 층의 노드에서
일정 부분 기여한 것이니,
(연결 가중치 만큼)
구하고자 하는
오류에 대한 가중치 변화율을
출력 층에서 받아오자!
19. 19
∆, = , = when is of the first layer
오류 역전파 알고리즘
∆ = −
= 1 − − ,
← 1 − −
← 1 − ,
, ← , + ∆,
ℎ
,
20여년 만에 나온 알고리즘