신경망(Neural Network)이란?

이전 수업에서 신경망은 사람의 뇌에서 영감을 받아 설계된 머신러닝 모델이라는 것을 배웠습니다.

이번 수업에서는 신경망의 구성 요소와 동작 원리에 대해 자세히 알아보겠습니다.

신경망은 여러 개의 뉴런으로 구성된 인공지능 모델입니다.

사람의 뇌를 구성하는 뉴런은 시냅스를 통해 다른 뉴런으로부터 신호를 받아들이고, 일정 기준 이상 신호가 활성화되면 이 신호를 다음 뉴런으로 전달합니다.

신경망의 뉴런도 이와 유사하게 입력값을 받아 가중치(Weight), 편향(Bias), 활성화 함수(Activation function)를 적용한 후, 최종 출력값을 결정합니다.

• 가중치 : 입력값의 중요도를 나타내는 숫자입니다. 가중치는 학습을 통해 최적의 값으로 조정되며, 값이 클수록 해당 입력이 출력에 미치는 영향력이 커집니다.

• 편향 : 입력값과 가중치를 곱한 결과에 더해주는 추가적인 값으로, 뉴런이 얼마나 쉽게 활성화될지 결정하는 기준점 역할을 합니다.

• 활성화 함수 : 입력값과 가중치를 곱한 값에 편향을 더한 값이 특정 기준(역치, Threshold)을 넘었는지 판단하여 출력값을 결정하는 함수입니다.

다음 수업에서는 신경망을 구성하는 뉴런에 대해 자세히 알아보겠습니다.