퍼셉트론

개요

퍼셉트론은 기계 학습과 인공지능의 기초를 이루는 간단한 형태의 인공 신경망이다.
1950년대 말에 프랭크 로젠블랫이라는 과학자가 개발했으며, 이는 컴퓨터가 데이터를 학습하고 패턴을 인식하는 방식을 설명하기 위해 고안되었다.
퍼셉트론은 크게 세 가지 부분( 입력층, 가중치, 출력층 )으로 나뉜다.

입력층

입력층은 퍼셉트론이 학습하는 데이터 포인트를 의미한다

예를 들어, 숫자를 인식하는 퍼셉트론에서는 각 숫자의 픽셀 값이 입력으로 사용될 수 있다.

가중치 

각 입력에는 가중치라는 값이 부여된다.

이 가중치는 퍼셉트론이 각 입력의 중요성을 얼마나 높게 평가하는지를 나타낸다.

처음에는 가중치가 임의의 값으로 설정되지만, 학습 과정을 통해 조정된다.

출력층

입력값과 가중치의 곱을 모두 합산한 뒤, 이를 활성화 함수라는 수학적 함수를 통해 변환하여 최종 출력을 생성한다.

이 출력이 퍼셉트론의 예측값이다.

퍼셉트론의 작동 과정

- 각 입력값에 해당하는 가중치를 곱함
- 이 값을 모두 더한 후, 합산된 값을 활성화 함수에 통과시킴

- 활성화 함수는 이 합을 바탕으로 최종 출력을 결정함
  예를 들어, 합이 특정 임계값을 넘으면 '1'을 출력하고, 그렇지 않으면 '0'을 출력하는 방식입니다.

퍼셉트론의 학습 과정은 주어진 입력 데이터와 실제 출력 값을 비교하면서 가중치를 조정하는 방식으로 진행된다. 

이를 통해 퍼셉트론은 점점 더 정확하게 데이터를 분류하거나 예측할 수 있게 된다.

퍼셉트론은 단순한 문제 해결에는 유용하지만, XOR 문제와 같은 비선형 문제를 해결할 수 없는 한계가 있다.

이러한 한계를 극복하기 위해 다층 퍼셉트론(MLP)과 같은 더 복잡한 신경망 구조가 개발되었다.