인공신경망과 퍼셉트론의 이해

👋 Step 1: 인공 신경망이란?

인공 신경망은 사람의 뇌를 모방하여 인공지능을 구현하려는 컴퓨터 프로그램입니다. 사람의 뇌는 천 억 개나 되는 뉴런으로 이루어져 있으며, 이 뉴런들은 복잡한 구조와 기능을 가지고 있습니다. 하지만 뇌를 구성하는 기본 단위는 비교적 간단합니다.

🧠 Step 2: 뉴런의 구조

뉴런은 크게 세 부분으로 나눌 수 있습니다. 덴드라이트(수상돌기)라고 불리우는 입력 부분, 소마(대포체)라고 불리우는 계산 부분, 엑손(축삭돌기)이라고 불리우는 출력 부분이 있습니다. 이렇게 뉴런은 입력, 계산, 출력 기능을 가진 정보처리 기관으로 볼 수 있습니다.

🔗 Step 3: 시냅스를 통한 정보 전달

뉴런은 시냅스(연접)를 통해 정보를 전달합니다. 인접한 다른 뉴런의 엑손과 연결하여 이전 뉴런의 엑손과 현 뉴런의 덴드라이트 부분이 만나는 곳에 지극히 작은 간극인 시냅스가 존재합니다. 이렇게 하여 입력 부분인 덴드라이트에서 여러 뉴런들의 정보를 받아들입니다.

💡 Step 4: 인공 신경세포의 작동 원리

인공 신경세포는 신경세포의 정보 처리 방식을 모방하여 구현합니다. 이 세포는 세 개의 뉴런으로부터 입력을 받아 역치를 계산하여 출력하는 인공 신경세포입니다. 각각의 뉴런들로부터 오는 정보를 x1, x2, x3라고 하고, 시냅스 역할을 하는 것이 연결 강도 w1, w2, w3입니다.

🧮 Step 5: 인공 신경세포 계산

실제로 값을 넣어서 계산해보겠습니다. 입력 x1은 0.5, x2는 0.7, x3는 0.3으로 설정하고, 연결강도 w1은 0.3, w2는 0.6, w3는 0.4로 설정해보겠습니다. 이렇게 각각의 입력과 연결 강도를 곱하여 계산합니다.

📈 Step 6: 노드에서의 값 계산

세포체인 노드에서는 계산값들을 다 더하여서 0.9라는 값을 얻을 수 있습니다. 실제 신경세포에서도 역치 이상의 값이 올 때 발화하듯이, 인공 신경세포에서도 역치를 설정하여 발화 여부를 결정할 수 있습니다. 여기서는 역치를 0.5로 설정하고, 역치보다 노드의 값이 클 경우 발화합니다.

🔧 Step 7: 활성화 함수 적용

활성화 함수는 여러 가지가 있지만, 여기서는 설명을 간단하게 하기 위해 계단 함수를 사용하겠습니다. 계단 함수는 들어오는 x값이 역치 이상이면 1을 출력하고, 역치 이하이면 0을 출력하는 함수입니다. 이렇게 활성화 함수를 거쳐서 출력값은 1이 됩니다.

📊 Step 8: 인공 신경세포의 수식 표현

이런 과정을 복잡한 수식으로 표현하면, 각각의 입력값과 연결 강도의 곱을 뜻하고, 시그마 부분은 입력값과 연결강도를 곱한 값들의 합을 뜻합니다. 로마자는 활성화 함수를 뜻합니다. 복잡해 보이는 식이지만, 하나하나 뜯어보면 우리가 배웠던 것을 그대로 표현하고 있음을 알 수 있습니다.

🚀 Step 9: 퍼셉트론의 이해

여러분은 지금 최초의 인공 신경망이자 모든 딥러닝의 시작이라고 할 수 있는 퍼셉트론의 구조와 작동 방식에 대해 이해하셨습니다. 퍼셉트론은 1943년 신경 생리학자인 맥클로프와 계산 신경 과학자인 피츠가 제안한 맥클로프-피츠 뉴런을 바탕으로, 미국의 심리학자인 로젠블랏이 1958년에 구현해낸 인공신경망입니다.

🎓 Step 10: 다음 단계

퍼셉트론의 학습 방법에 대한 부분은 아직 남아있지만, 여기까지가 인공 신경세포에 대한 간략한 소개입니다. 다음 시간에는 퍼셉트론의 학습 방법을 포함하여 본격적으로 인공신경망에 대해 배워보겠습니다. 감사합니다.

인공신경망과 관련된 더 많은 정보를 원하시면 AERØHEAD - YouTube 채널을 방문해보세요. 또한, 이곳에서 배경음악을 감상하실 수 있습니다.