퍼셉트론

1. 퍼셉트론 개요

퍼셉트론은 인공 신경망의 한 종류로, 프랑크 로젠블라트(Frank Rosenblatt)가 1957년에 제안한 간단한 형태의 학습 알고리즘입니다. 퍼셉트론은 이진 분류 문제를 해결하기 위한 모델로 사용되며, 선형 분리 가능한 문제에 적합합니다.

2. 퍼셉트론 구성요소

퍼셉트론은 다음과 같은 주요 구성요소를 가지고 있습니다:

• 입력층(Input Layer): 외부에서 입력되는 데이터의 특성(feature)을 나타내는 뉴런들의 집합입니다.
• 가중치(Weights): 각 입력에 대한 가중치가 적용되어 입력 신호가 출력으로 전달될 때 가중치에 따라 중요도가 조절됩니다.
• 활성화 함수(Activation Function): 가중치와 입력 신호의 합계에 적용되며, 이 결과가 출력을 결정하는데 사용됩니다. 일반적으로는 계단 함수나 시그모이드 함수와 같은 비선형 함수가 사용됩니다.
• 임계치(Threshold): 출력이 활성화되기 위한 임계치가 설정되어 있습니다. 활성화 함수의 결과가 이 임계치를 초과할 때 출력이 활성화됩니다.

3. 퍼셉트론 종류

퍼셉트론은 주로 단일 퍼셉트론(Single-Layer Perceptron)과 다층 퍼셉트론(Multi-Layer Perceptron)으로 나눌 수 있습니다.

• 단일 퍼셉트론: 하나의 층에서 입력과 출력을 처리하는 간단한 형태의 퍼셉트론입니다. 선형 분리 가능한 문제에 적용됩니다.
• 다층 퍼셉트론 (MLP): 여러 개의 퍼셉트론이 여러 층으로 구성된 모델입니다. 은닉층(hidden layer)을 포함하여 복잡한 비선형 문제에 적용할 수 있습니다.

퍼셉트론은 이러한 간단한 구조를 바탕으로 하여 신경망의 기본 구성 요소로 발전하였으며, 다양한 신경망 모델의 원조로 간주됩니다.