InBig

머신러닝단계 두번째 세미나가 9월 28일 열렸습니다.

머신러닝 2팀은 주은혁 회원, 권은선 회원, 이선노 회원으로 구성되어 있습니다.

이 날 발표는 주은혁 회원이 담당하였는데요.

세미나 발표주제는 '단일퍼셉트론(Single-Layer Perceptron)'입니다.

가장 먼저 퍼셉트론의 개요에 대해 살펴보았습니다.

퍼셉트론은 여러개의 신호를 입력받아 하나의 신호를 출력하는 모형이라고 합니다.

다음으로, 용어를 정리했습니다.

임계치, 가중치, 바이어스, net 값, 활성함수, 뉴런 등에 대해 제대로 이해할 수 있던 시간이었네요. :)

그 다음, 퍼셉트론 알고리즘 구조에 대해 알아보았습니다.

퍼셉트론의 구조 뿐만 아니라 어떠한 과정을 거치는지 한 눈에 알아볼 수 있었습니다.

연산의 정의에 대해서도 알아보았는데요.

뉴런이 net 값을 계산하는 식은 다음과 같다고 합니다.

또한 활성함수 및 학습연산의 정의는 다음과 같다고 하니 참고해주세요!

그리고 단일퍼셉트론 예제를 통하여, 단일퍼셉트론에 대해 더욱 자세히 설명해주셨습니다.

단층퍼셉트론의 학습률을 0.05, 임계치를 0으로 설정합니다.

그리고 가중치 및 바이어스를 초기화합니다.

각 학습 벡터에 대한 출력값 계산 및 가중치를 조정합니다.

바뀐 가중치에 대해 다시 출력값을 계산합니다.

최종으로 가중치를 표현합니다.

마지막으로 단일퍼셉트론의 한계에 대해 알아보았습니다.

오직 선형 분류만 가능하며, 비선형 분류를 불가능하다고 합니다.

이와 같은 문제를 해결하기 위해, MLP(Multi Layer Perceptron)의 개념과 활성함수가 등장하게 되었다고 합니다.

이에 대해서는 추후에 포스팅하도록 하겠습니다.

세미나를 위해 고생해주신 ML2팀 모두 고생하셨습니다. :>