Story of CowHacker

시그모이드 함수 그림 1은 시그모이드 함수를 수식으로 나타낸 것이다. exp(-x)에서 e는 자연상 수로 2.7182... 의 값을 갖는 실수다. 시그모이드 함수 구현하기 시그모이드 함수 식 구현하기 import numpy as num def sigmoid(x): return 1 / ( 1 + num.exp ( -x ) ) 시그모이드 함수 그래프로 구현하기 import numpy as num import matplotlib.pyplot as plt def sigmoid(x): return 1 / ( 1 + num.exp ( -x ) ) x = num.arange ( -5.0, 5.0, 0.1 ) y = sigmoid ( x) plt.plot ( x, y ) plt.ylim ( -0.1, 1.1 ) plt..

신경망 : 앞에서 본 퍼셉트론의 발전 형태다. 신경망의 원리 신경망은 입력층, 은닉층, 출력층 총 3가지 층으로 이뤄져있다. 신경망과 퍼셉트론의 차이점? 퍼셉트론에서는 가중치의 값을 사람이 수동으로 설정 해야한다는점이다. 신경망에서는 이 가중치 값을 데이터로 부터 자동으로 학습해 설정한다. 다음은 신경망과 퍼셉트론에서 사용하는 함수에 대해 알아보겠다. 활성화 함수 활성화 함수 : 입력 신호의 총합을 출력 신호로 변환하는 함수다. 활성화 함수 식 a = b + w1x1 + w2x2 y = h ( a) 활성화 함수 처리 과정 그림2 편향이 1로 고정된걸 알수있다. 그 이유는 편향의 입력 신호는 항상 1이기 때문이다. 다음은 신경망에서 사용하는 활성화 함수중 두가지를 알아보겠다.

퍼셉트론이란? 딥러닝의 기원이 되는 알고리즘이다. Frank Rosenblatt가 1957년에 고안한 알고리즘이다. 퍼셉트론의 원리 그림 1에서 x1, x2는 입력 신호고 y는 출력 신호, w1, w2는 가중치다. 네모 칸을 뉴런 또는 노드 라고 부른다. 입력 신호가 뉴런에 보내질 때 각각의 가중치가 곱해진다. 이때 가중치의 각각의 식은 w1*x1, w2*x2다. 이 입력 신호가 정해진 한계 ( θ theta )를 넘어설 때만 1을 출력한다. 그림 2는 그림 1을 수식으로 나타낸 것이다. 다음은 세가지 논리회로의 진리표를 보겠다. - AND 게이트 진리표 - x1 x2 y 0 0 0 1 0 0 0 1 0 1 1 1 - NAND 게이트 진리표 - x1 x2 y 0 0 1 1 0 1 0 1 1 1 1 0 -..