[인공지능] 2장 Perceptron

1. 뉴런의 기능(3)

  - Collection: 신호를 받는 기능

  - Processing: 어떤 dendrite로 부터 받는 지에 따라 증폭, 감소를 처리하고 합친 후 하나로 인식 -> activiate

  - Dissmination: 다른 뉴런으로 신호 전달

2. Neural Networks란

: 몇가지의 패턴으로 연결되어 소통하는 뉴런들의 집합. (각각의 노드들은 심플한 일만 함 -> 신호의 세기 처리 후 전달)

3. Computing ability

  1) input signal을 합치기

  2) 활성화 규칙으로 output signal 계산 

4. 개념

  - Percepron: 수학적 모델의 뉴런

  - Activation function: treshold보다값이 크면 활성화

  - Weight: The role of learning and remembering information

  - Bias(?): 1. 세타를 조정하기 위해 사용, 2. 활성화 함수에서 설정된 임계값을 얼마나 쉽게 넘게 할지 결정

  - Feed forwar: 입력 -> 출력으로 신호 전달

  - Feed backward: 출력 -> 입력으로 신호 전달

  - encoding: 정보를 압축 .!

 

Bias 1번 설명

encoding

5. Perceptorn Example

예제1

예제1에 bias x0 추가

AND gate:

z = w0x0 + w1x1 + w2x2

   = -1.5*1 + 1*x1 + 1*x2

   = x1 + x2 + -1.5 = 0

x2 = -x1 + 1.5    →   y = -x + 1.5

AND gate:    y = -x + 1.5

OR gate:

z = w0x0 + w1x1 + w2x2
   = 0.5*-1 + 1*x1 + 1*x2
   = x1 + x2 + -0.5 = 0
x2 = -x1 + 0.5    →   y = -x + 0.5

OR gart:   y = -x + 1.5

6. Decision function

: 두 개의 클래스를 나누는 직선

Decision function

그러면 XOR은 어떻게 하냐..?! 

-->다음 장에서 계속..