딥러닝 기초 02
신경망 기초와 퍼셉트론 (Perceptron)
인공지능 딥러닝의 가장 기초가 되는 알고리즘인 퍼셉트론의 구조와 한계, 그리고 이를 극복한 다층 퍼셉트론(MLP)을 학습합니다.
단층 퍼셉트론 (Single-Layer Perceptron)
퍼셉트론은 프랑크 로젠블라트(Frank Rosenblatt)가 1957년에 제안한 인공신경망의 초기 형태입니다. 다수의 입력 신호를 받아 하나의 신호를 출력하는 구조로 작동합니다.
// 퍼셉트론 신호 전달 수식
y = Step( w₁x₁ + w₂x₂ + b )
• x₁, x₂: 입력 신호 | w₁, w₂: 가중치(Weight) | b: 편향(Bias)
단층 퍼셉트론의 한계: XOR 문제
단층 퍼셉트론은 직선 하나로 영역을 나누는 **선형 분리(Linear Separation)**만 가능합니다. 따라서 AND, OR 게이트는 구현할 수 있지만, 직선 하나로 나눌 수 없는 **XOR 게이트(비선형 문제)**를 해결하지 못하는 치명적인 한계가 있었습니다.
다층 퍼셉트론 (Multi-Layer Perceptron, MLP)
입력층과 출력층 사이에 **은닉층(Hidden Layer)**을 추가하여 XOR 문제를 완벽히 해결했습니다. 은닉층이 늘어날수록 신경망은 더 복잡하고 비선형적인 패턴을 학습할 수 있게 됩니다.
1
입력층 (Input Layer)
외부로부터 데이터 특징(Feature)값을 수신
2
은닉층 (Hidden Layer)
입력값의 특징을 복합적으로 조합 및 가공
3
출력층 (Output Layer)
최종 연산된 분류/회귀 예측 결과를 출력