인공 신경망 (Neural Network)

• 로지스틱 회귀모델

- Y가 범주형 : 입력변수(X)의 비선형결합(로지스틱 함수 형태)로 출력변수 (Y)를 표현

 

 

① 입력변수의 선형결합

② 선형결합 값의 비선형 변환 (Nonlinear transformation)

 

 

• 단층 퍼셉트론

- NOT, AND, OR 연산 가능하지만, XOR 연산 불가능

• 2중 퍼셉트론

- 두개의 퍼셉트론을 결합 (2중 퍼셉트론 : 2-layer perceptron)

    - 두 개의 입력변수와 한 개의 출력변수

- 다층 퍼셉트론 → 인공신경망 (Artificial Neural Network)

- 입력층

- 은닉층

- 출력층 

    - [범주형] 출력노드의 수 = 출력변수의 범주 개수

    - [연속형] 출력노드의 수 = 출력변수의 개수

 

• 선형회귀모델, 로지스틱 회귀모델, 뉴럴 네트워크 모델

 

• 비용함수

- 수치예측 : Mean squared error (MSE)

- 분류 : Cross entropy

 

• 학습 : 경사 하강법

• 학습 : Backpropagation

 

 

• 인공신경망 학습 알고리즘

 

 

 

 

 

 

 

 

 

 

 

 

[참조] 김성범 교수님의 https://www.youtube.com/watch?v=YIgLpsJ-1J4 

                              https://www.youtube.com/watch?v=8300noBbCRU 를 요약한 것입니다.