딥러닝 기초 -1 퍼셉트론

딥러닝 개론 

 01 딥러닝이란 무엇인가?

   인공지능 > 머신러닝 > 딥러닝

   딥러닝 : 머신러닝의 여러 방법론 중 하나, 인공신경망에 기반하여 컴퓨터에게 살마의 사고방식을 가르치는 방법

  

  인공 신경망?

   생물학의 신경망에서 영감을 얻은 학습 알고리즘, 사람의 신경 시스템을 모방

   Input - Hidden - Output 레이어

   사람의 신경 시스템(Neuron system) - 두뇌의 가장 작은 정보처리 단위

 

  인공신경망의 특징

   모델 스스로 데이터의 특성을 학습하여 지도학습(ex: classfication), 비지도 학습(ex: clustering) 모두 적용 가능

   input : 데이터

   output : 회귀분석(real value), 분류(class), 패턴파악 ...

 

  딥러닝의 역사

   1958 perceptron

   1969 First AI winter

   1986 Boom times

   1990 Second AI winter

   2012 Deep learning revolution

 

  딥러닝 기술 적용 사례

   얼굴 인식(코로나), 기계 번역 모델(파파고), 알파고( 사실 딥러닝 + 강화학습 )

 

 

 

Q. 딥러닝에 대한 설명으로 적절하지 않은 것?

 1. 딥러닝은 인공신경망에 기반하여 컴퓨터에게 사람의 사고방식을 가르치는 방법이다.

 2. 인공신경망은 사람의 신경 시스템을 모방한 알고리즘이다.

 3. 딥러닝 모델을 사용하기 위해서는 우선 사람이 데이터의 특성을 모델에 입력해주어야 한다.

 4. 현재 딥러닝 기술이 활용되는 사례는 얼굴 인식 카메라, 기계 번역 모델 등이 있다.

 

3. 딥러닝 모델은 데이터의 특성을 스스로 학습 

---

  02 퍼셉트론(Perceptron)

  신경망 이전의 연구

   얼굴 인식 , 숫자 및 문자 인식 (특성을 사람이 인식해서 제공함)

   if () then {

   else if () then {

   ~~

 

  명시적 프로그래밍의 한계 예시 : 자율 주행 자동차

   직접 사람이 일일히 기계에 입력을 하고 가르치지 않아도 기계가 스스로 사람처럼 학습할 수 있는 기술의 필요성

 

  1958 초기 신경망 퍼셉트론의 등장

 

  초기형태의 신경망, 퍼셉트론 

   data + weight -> summation-> Activation function -> output

  Activation function(활성화 함수)

   activation(x) = { 1 x >= 0 , 0 x < 0 } 

   0보다 작으면 0, 0보다 크면 1   output 이 0 또는 1

  

  퍼셉트론 코드 예시

 

def perceptrin(x, weights):
	#bias
    
	sum_ = weights[0]
    
    	for i in range(len(x)-1):
    		pre_y += weights[i+1] * x[i]
    	return 1 if pre_y >= 0 else 0

 

Q. 퍼셉트론의 기본 구조에 해당하지 않는 것

  1. Bias

  2. 입력 데이터 분포(p(x))

  3. 가중치(Weight)

  4. 활성화 함수(Activation Function)

2. 퍼셉트론의 기본 구조는 입력 값(x1,x2,...,xn), 가중치(Weight), 바이어스(Bias), 출력 값(y) 으로 이루어져 있습니다.