Replicated

활성 함수- 여러 함수가 사용될 수 있으며 시그모이드가 대표적 시그모이드import numpy as npdef SIGMOID(x): return 1/(1 + np.exp(-x))- 가중합 v의 값을 0과 1 사이의 값으로 변환- f(x) = 1 (1 + e^-x) 소프트맥스import numpy as npdef SOFTMAX(x): e_x = np.exp(x) return e_x / e_x.sum(axis=0)- 시그모이드는 자신의 노드로 들어오는 신호의 가중합만 고려하여 출력 값 조절- 소프트맥스 함수는 출력 노그가 여러 개일때 다른 노드로 들어오는 신호의 가중합도 고려- 합이 1이라 각 출력에 대한 확률의 의미를 가짐 delta rule- 신경망의 출력값과 정답 사이의 오차를 가지고 w를 조정하는 ..

신경망: 퍼셉트론을 다층으로 쌓고 활성화함수를 개선한 것가장 왼쪽 층을 입력층, 맨 오른쪽 층을 출력층, 중간 층들을 은닉층이라 함- 은닉충의 뉴런은 사람 눈에 보이지 않음 활성화 함수- 입력 신호의 총합을 출력 신호로 변환하는 함수를 일반적으로 활성화 함수(activation function)라 함- 활성화라는 이름이 말해주듯 입력 신호의 총합이 활성화를 일으키는지 정하는 역할가중치가 달린 입력 신호와 편향의 총합을 계산, 이를 a라 함a를 함수 h()에 넣어 y를 출력하는 흐름 1. 시그모이드 함수신경망에서는 활성화 함수로 시그모이드 함수를 이용하여 그 변환된 신호를 다음 뉴런에 전달* 시그모이드: S자 형태라는 의미-> 앞 장의 퍼셉트론은 계단 함수, 신경망은 시그모이드 등의 다른 비선형 함수 사용..