딥러닝 모델의 이해 - AICE Junior 대비

객관식

딥러닝 모델의 이해

🤖 인공신경망은 우리 뇌 속 신경세포(뉴런)를 흉내 낸 계산 모델입니다. 뉴런이 신호를 받아서 일정 크기 이상이면 다음 뉴런에 신호를 전달하듯, 인공신경망의 기본 단위인 퍼셉트론도 값을 받아서 계산한 뒤, 일정 기준을 넘으면 다음으로 결과를 넘겨줍니다.

퍼셉트론에 들어가는 정보에는 이름이 있습니다.

입력값

퍼셉트론에 넣어주는 정보. 예) 공부한 시간, 게임한 시간

가중치

각 입력값이 얼마나 중요한지 나타내는 "중요도 점수". 클수록 더 중요해요.

편향

계산에 더해주는 보정값이에요.

활성함수

계산 결과를 보고 "통과!" 또는 "통과 못함"을 결정하는 문지기예요.

🧮 직접 계산해 볼까요?

"공부한 시간(가중치 0.5)"과 "게임한 시간(가중치 -1.5)", 편향 1을 가지고 시험 합격 여부를 예측하는 퍼셉트론이 있습니다. 계산 결과가 양수면 합격(1), 음수면 불합격(0)을 출력해요.

공부 시간	게임 시간	계산식	결과	합격 여부
10	2	10×0.5 + 2×(-1.5) + 1 = 3	양수	✅ 합격(1)
2	4	2×0.5 + 4×(-1.5) + 1 = -4	음수	❌ 불합격(0)

공부를 많이 하고 게임을 적게 할수록 계산 결과가 커져서 "합격"으로 예측되는 걸 볼 수 있어요. 이게 바로 가중치가 "게임 시간은 나쁜 영향, 공부 시간은 좋은 영향"이라는 걸 반영한 거예요.

퍼셉트론 하나로는 간단한 문제만 풀 수 있어요. 그래서 퍼셉트론을 여러 층으로 쌓은 것이 다층 퍼셉트론입니다.

아래 번호를 하나씩 눌러서 확인해 보세요.

입력층

문제(데이터)가 처음 들어오는 곳이에요. 예) 공부시간, 게임시간처럼 입력값 개수만큼 노드가 있어요.

은닉층 (숨은 층)

입력층과 출력층 사이에 숨어서 계산하는 층이에요. 은닉층이 2개 이상이면 "딥러닝"이라고 불러요!

출력층

최종 결과(예측값)를 내보내는 곳이에요. 합격/불합격처럼 두 가지 중 하나를 고르는 문제는 출력 노드가 1개, 강아지/토끼/고양이처럼 3가지 중 고르는 문제는 출력 노드가 3개예요.

Q3-1. 은닉층이 2개 이상인 다층 퍼셉트론을 무엇이라고 부를까요?

← 이전 다음 →