딥러닝이란?cross-entropy 방식

인간의 신경망을 모방하여 학습, 예측, 판단하는 기술로, 영상처리, 음성처리, 이미지 분야, 텍스트, 자연어 처리 등에 활용

퍼셉트론의 특징과 구조

가장 단순한 형태의 인공 신경망으로, 입력값들과 가중치를 곱한 후 합산하여 활성화 함수를 통과시키는 구조

신경망의 주요 구성 요소

• 입력층: 데이터가 처음 들어오는 층으로, 입력 데이터의 형태를 결정
• 은닉층: 여러 층의 뉴런으로 구성되어 복잡한 패턴을 학습할 수 있으며, 비선형 문제 해결이 가능
• 출력층: 결과를 종합하는 마지막 층으로, 예측하고자 하는 값의 형태에 따라 뉴런의 수가 결정

손실 함수의 종류

• 이진 분류용: Binary Crossentropy - 두 개의 클래스로 분류할 때 사용.
  • 다중 분류용: Categorical Crossentropy(원-핫 벡터 값을 사용)와 Sparse Categorical Crossentropy(값이 정수인 경우 사용)
• 회귀용: MSE(Mean Squared Error)와 MAE(Mean Absolute Error) → 모델의 예측값과 실제값 사이의 차이를 측정하여 모델의 성능을 평가하는 함수

인공지능의 4가지 정의와, 머신러닝이 더 적합한 상황에 대한 구체적인 정보는 주어진 컨텍스트에서 찾을 수 없었습니다.

• 예시 코드

퍼셉트론 특징

가장 단순한 형태의 인공 신경망, 입력값들과 가중치를 곱한 후 합산하여 활성화 함수를 통과시키는 구조, 이진 분류 문제를 해결하기 위해 개발된 알고리즘

작동 방식