퍼셉트론(Perceptron) 구조
CODEDRAGON ㆍDevelopment/Big Data, R, ...
반응형
퍼셉트론(Perceptron) 구조
입력 |
· 실수 값을 갖는 벡터 |
모델 구성 |
· 연결 가중치 & 임계치 |
출력 |
· 1 또는 -1 |
학습 |
· 알맞은 연결 가중치를 탐색 |
활성함수 |
· threshold를 넘으면 class 나눠야 합니다. · 입력값과 가중치를 적용한 입력의 합을 계산하면 하나의 실수값이 됩니다. 1, 0으로 판단하게 됩니다. · threshold를 정해서 넘으면 1이되고 넘지 않으면 0으로 분류되어지는 데 이것을 계산함수가 하게 됩니다. |
입력에 알맞은 출력이 나오도록 뉴런연결들을 수정합니다.
퍼셉트론이 학습하는 것은 적절한 연결 가중치(뉴런연결)을 찾는 것입니다.
결정영역(decision boundary)에 따라 데이터의 클래스가 결정됩니다.
'Development > Big Data, R, ...' 카테고리의 다른 글
모형 평가의 기준 (0) | 2020.11.16 |
---|---|
교사학습 단계 (0) | 2020.11.10 |
분석 방법 차이 (0) | 2020.10.24 |
The Neural Network Zoo - Chart of Neural Networks (0) | 2020.10.19 |
AdaBoost (0) | 2020.10.14 |