신경망 with [개발자를 위한 머신러닝] (2/2)

신경망

2. 단층 및 다층 퍼셉트론

• 네트워크는 입력층, 은닉층, 출력층 방향으로 연결되어 있음
• 각 층내의 연결과 출력층에서 입력층으로의 직접적인 연결은 존재하지 않는 전방향 (Feedforward) 네트워크
• 역전파 방법을 사용해 가중치를 조정

전방향(Feedforward) 신경망

• 일반적으로 인공신경망은 다층 퍼셉트론을 의미
• 피드포워드 신경망(FNN: Feedforward Neural Network)이라고도 함
• 은닉층이 늘어날수록 계산량이 증가
• 일반적으로 역전파 알고리즘을 사용하여 학습

역전파

예측된 결과와 실제값의 차이인 에러의 역전파를 통해 가중치를 구함

1. 피드포워드 과정 실행
2. 에러의 역전파 계산
3. 가중치 조정 

역전파 구조의 순서도

신경망에서 다룰수 있는 문제의 유형

• 회귀 문제와 분류 문제에 모두 사용 가능
• 회귀/함수 근사 문제
• 분류 문제(2개의 클래스, 1개의 출력)
• 분류 문제(다중 클래스, 클래스당 하나의 출력)

단층 퍼셉트론 예제 코드

• 시그모이드 예제 코드 : https://github.com/Limdh3325/Machine-Learning-for-Developers/blob/master/Chapter05/Ch5.ipynb

참고

http://www.aistudy.com/neural/multilayer_perceptron.htm
https://wikidocs.net/30