[딥러닝 신경망] 퍼셉트론과 신경망

퍼셉트론(Perceptron)이란?

인공 신경망의 간단한 모형 중 하나인 퍼셉트론은 1957년 로센블렛(Rosenblatt)이 고안한 이진 분륜 문제를 위한 알고리즘이다. 인공신경망은 사람의 신경망을 따온 것으로 인공적인 뉴런의 집합이라고 봐도 된다. 

 

초기 퍼셉트론은 입력된 정보에 가중치를 추가하고, 훈련하여 결과값을 얻는다. 

위 사진처럼 수많은 입력 데이터에 가중치를 정해 최적의 가중치를 찾아내는 방법이다. 퍼셉트론은 다수의 이진 입력 신호(0 또는 1)를 받아 하나의 이진 출력 신호를 생성하는 방식으로 동작한다. 각 입력은 가중치(weight)와 연결되어 있고, 이 가중치는 입력 신호에 곱해져 출력을 결정하는 데 중요한 역할을 한다. 퍼셉트론은 가중치와 입력 신호의 곱을 합산한 값이 특정 임계값(threshold)보다 크면 출력을 1로 설정하고 그렇지 않으면 0으로 설정한다. 

https://liveyourit.tistory.com/63

퍼셉트론에서 사용하는 활성화 함수는 계단 함수로 입력을 임계값 기준으로 0 또는 1로 분류하며, 임계값을 넘으면 출력이 전환되는 단순한 선형 함수이다. 퍼셉트론에서 이루어지는 연산은 '입력에 대한 가중합'과 '활성화 함수 적용' 두 단계이다.

계단 함수

퍼셉트론은 위에서 말했듯이 이진 분류 문제를 해결하지만, 이것만 가능하다. 퍼셉트론에 논리 연산을 두자면 다음과 같다. 

https://velog.io/@jhdai_ly

위 사진처럼 AND와 OR와 같은 선형 문제에서는 잘 해결되지만, XOR과 같은 비선형 문제는 해결하지 못한다. 위와 같은 문제를 해결하기 위해 다층 퍼셉트론이 고안되었다. 

 

 

다층 퍼셉트론(Multi-Layer Perceptron)

다층 퍼셉트론은 단층 퍼셉트론의 XOR 문제를 해결하기 위해 고안된 방법으로 기존 퍼셉트론의 입력층과 출력층 사이에 은닉층이 추가된 형태이다. 

다층 퍼셉트론은 딥러닝 기본 네트워크 MLP에서 자세하게 설명하겠다.

 

신경망으로 해결 가능한 문제들

신경망은 다양한 문제를 해결하는 방법으로 다음과 같은 종류가 있다.

• 이미지 분류: 신경망은 컴퓨터 비전 작업에서 특히 효과적으로 사용된다. 이미지 분류는 주어진 이미지를 다양한 범주 또는 클래스로 분류하는 작업을 의미한다. 예를 들어, 손글씨 숫자 인식, 개와 고양이 분류, 식품 인식 등의 작업이 여기에 해당한다.
• 자연어 처리: 텍스트 데이터를 처리하고 이해하는 작업에서 신경망은 자연어 처리에서 핵심 역할을 한다. 이러한 작업에는 텍스트 분류, 기계 번역, 텍스트 생성, 감정 분석, 질의 응답 시스템 등이 포함된다.
• 음성 처리: 신경망은 음성 인식, 음성 합성 및 음성 감정 분석과 같은 음성 처리 작업에서 사용된다. 이를 통해 음성 명령을 이해하거나 음성으로 텍스트를 변환하는 등의 작업이 가능하다.
• 예측 및 회귀: 신경망은 수치 데이터에 대한 예측 및 회귀 분석에도 사용된다. 주가 예측, 주택 가격 예측, 날씨 예보, 수요 예측과 같은 예측 문제에 적용된다.
• 추천 시스템: 신경망은 개인화된 제품 추천 시스템을 구축하거나 사용자의 행동에 기반한 추천을 수행하는 데 사용된다. 이를 통해 온라인 쇼핑, 미디어 스트리밍, 소셜 미디어 피드 등에서 개인화된 콘텐츠나 제품을 추천한다.
• 게임과 강화 학습: 신경망은 게임 플레이어나 강화 학습 에이전트를 훈련시키고 게임에서 최적의 행동을 결정하는 데 사용된다. 이는 비디오 게임, 로봇 제어, 자율 주행 자동차 등 다양한 응용 분야에 적용된다.
• 생성 모델: 생성 모델은 새로운 콘텐츠를 생성하는 데 사용된다. 이러한 모델은 이미지 생성, 텍스트 생성, 음악 생성 및 예술적 창작물 생성 등 다양한 창작 작업에서 활용된다.
• 시계열 분석: 신경망은 시계열 데이터를 모델링하고 예측하는 데 사용된다. 이를 통해 주식 시장 예측, 날씨 예보, 트래픽 예측, 생산량 예측 등의 작업이 가능하다.

이 외에도 더욱 다양한 문제 해결을 할 수 있으며 효과적으로 해결할 수 있다.