[기계학습] 퍼셉트론 / 가중치 / 바이어스 / 가중합(feat. 시그모이드 함수)

퍼셉트론

- x_1과 x_2가 입력되고, 각각 가중치 a_1과 a_2를 만남

- 여기에 b 값을 더한 후 활성화 함수(ex. 시그모이드 함수)를 거쳐 1 또는 0의 출력 값 y를 출력

- 신경망을 이루는 가장 중요한 기본 단위는 퍼셉트론

- 퍼셉트론 입력 값과 활성화 함수를 사용해 출력 값을 다음으로 넘기는 가장 작은 신경망 단위

y = wx + b (w는 가중치, b는 바이어스)

- w(weight)는 가중치, b(bias)는 바이어스(편향, 선입견)으로 쓰임

- 가중합(weighted sum) : 입력 값(x)과 가중치(w)의 곱을 모두 더한 다음 거기에 바이어스(b)를 더한 값

- 가중합의 결과를 놓고 1 또는 0을 출력해서 다음으로 보냄

- 여기서 0과 1을 판단하는 함수가 있는데, 이를 활성화 함수라고 함. 대표적인 예시로 시그모이드 함수가 있음

시그모이드 함수