🔖 개념

• 신경망은 인간 두뇌의 뉴런(Neuron) 구조와 동작 원리를 모방한 인공지능 모델이다.
• 여러 입력을 받아 일정한 연산(가중합 + 함수)을 거쳐 출력을 내보낸다.
• 인공 신경망(Artificial Neural Network, ANN) 이라고도 부른다.
• 문자, 음성, 이미지, 영상 등 패턴 인식과 학습에 강력하다.

✨ 주요 특징

• 분산성 / 병렬성
  • 여러 개의 뉴런(노드)이 동시에 정보를 처리 → 빠른 연산 가능
• 국소성(Locality)
  • 각 뉴런은 연결된 이웃 뉴런의 신호와 자신의 상태만을 기반으로 동작
• 가중합(Weighted Sum)
  • 입력 값 × 가중치(weight)를 더한 후, 활성화 함수로 결과를 변환
• 가소성(Plasticity)
  • 학습 과정에서 가중치가 변하면서 점점 더 좋은 출력을 만들어냄
• 일반화 능력(Generality)
  • 학습한 상황뿐만 아니라, 새로운 상황에서도 적절히 대응

🟢 단층 퍼셉트론 (Single-layer Perceptron)

• 1950년대 맥컬록-피츠 모델에서 출발

  • 맥컬록-피츠 모델

    

    • 인간의 뇌가 이진법, 즉 켜짐(on)과 꺼짐(off)으로 이루어진 원소들의 조합이라는 이론이 핵심
    • 가장 중요한 개념은 전부 아니면 전무 원칙. 즉, 뉴런은 완전히 활성화되거나 완전히 비활성화된다는 것.

• 입력 → 가중합 → 임계값(threshold) 비교 → 출력(0 또는 1)

• 헵의 법칙(Hebb’s rule) : 함께 활성화되는 뉴런은 연결이 강화된다 → 가중치 학습의 기초

  

퍼셉트론의 학습 과정

1. 가중치와 임계값 초기화