퍼셉트론이 동작하는 원리

인공 뉴런은 입력값을 받아 각 입력값에 정해진 가중치를 곱한 뒤, 이 결과들을 모두 더하고 편향을 추가한 값을 계산합니다.

이 계산된 값은 활성화 함수를 거쳐 최종 출력값으로 변환됩니다.

이를 수식으로 표현하면 다음과 같습니다.

Copy
y = f(w₁x₁ + w₂x₂ + ... + wₙxₙ + b)

• y: 뉴런의 최종 출력값

• f: 활성화 함수

• w: 각 입력값의 가중치

• x: 입력값

• b: 편향

예를 들어 퍼셉트론이 "날씨가 덥고(입력1), 습도가 높으면(입력2) 에어컨을 켜라"라는 판단을 한다고 생각해 봅시다.

• 온도: 30도 (입력1)
• 습도: 90% (입력2)

• 온도에 대한 가중치: 0.7
• 습도에 대한 가중치: 0.3

• 편향 값: -10

이때 퍼셉트론은 다음과 같이 계산합니다.

(온도 × 온도 가중치) + (습도 × 습도 가중치) + 편향
= (30 × 0.7) + (90 × 0.3) + (-10)
= 21 + 27 - 10
= 38

계산 결과가 설정된 기준값(예: 50)을 넘지 않았으므로, 활성화 함수는 "에어컨을 꺼라(출력=0)"라는 결정을 내립니다.

만약 계산 결과가 기준값을 넘었다면, "에어컨을 켜라(출력=1)"로 결정합니다.

이처럼 퍼셉트론은 입력값과 가중치, 편향을 조합하여 간단한 판단을 수행할 수 있습니다.

퍼셉트론이 여러 개 연결되면 하나의 신경망이 만들어지고, 이러한 신경망 층(layer)이 여러 개 겹쳐져 깊은 구조를 형성하면 이를 딥러닝(Deep Learning)이라고 부릅니다.

다음 수업에서는 딥러닝에 대해 자세히 알아보겠습니다.