Differences

This shows you the differences between two versions of the page.

--- 딥러닝:뉴런 [2025/10/16 13:23] – [수학적 개념] masteraccount
+++ 딥러닝:뉴런 [2025/10/20 16:16] (current) – masteraccount
@@ Line 5: / Line 5: @@
 ==== 수학적 개념 ====
 기본적으로 두가지 함수를 순서대로 실행하는 하나의 계산단위라고 보면된다.\\
-단게 : 이전 층의 뉴런들로부터 입력신호&중요도(=가중치, $w$)를 받아서 모두 곱한뒤 [[머신러닝:편향]](b)를 더함. ($  sum = (w_1 x_1 + w_2 x_2 + ...)+b  $) \\
+단게 : 이전 층의 뉴런들로부터 입력신호 & 가중치($w$)를 받아서 모두 곱한뒤 [[머신러닝:편향]](b)를 더함. ($  sum = (w_1 x_1 + w_2 x_2 + ...)+b  $) \\
+\\
 단계 : 1단계 계산된 결과를 [[각종함수:활성화함수]]에 넣어서 [[각종함수:활성화함수|활성화값]]을 받는다.\\
 \\
-=== 풀어서 개념 설명 ===
+==== 예시 ====
-각 뉴런들은 뭔가 (이미지가 될수도, 텍스트가 될수도 있음) 입력으로 들어오면 이미 셋업된 기준대로 1단계,2단계를 거쳐 숫자를 뽑아낸다.\\
+번 은닉레이어에 A,B 뉴런이 있고,\\
+번 은닉 레이어 X 뉴런이 있을떄, \\
 \\
+X 뉴런은 바로 앞 레이어의 뉴런 개수만큼의 가중치를 가지고잇다. 이것이 $ w_1, w_2 ...x_n $ 인것이다. \\
+X 뉴런은 이전 레이어의 뉴런에 상관없이 하나의 편향을 가지고있다. \\
 \\
-\\
+우히에 A,B 각 뉴런은 입력값에 따라 출력값을 내보내고 X 뉴런에 전달한다. \\
+X 뉴런은 $  sum = (w_1 x_1 + w_2 x_2 + ...)+b  $ 으로 계산한다. \\
-==== 숫자를 인식하는 [[딥러닝:네트워크|모델]]의 [[딥러닝:레이어]]의 각 뉴런의 경우 대충 이하와 같다 ====
+각 뉴런들은 뭔가 (이미지가 될수도, 텍스트가 될수도 있음) 입력으로 들어오면 이미 셋업된 기준대로 1단계,2단계를 거쳐 숫자를 뽑아낸다.\\
-[[딥러닝:입력레이어]] 뉴런은 28 $ \times $ 28= 784개가 잇다고 치면 뉴런 하나하나가 픽셀 하나하나를 담단한다. (LED판에에 불빛 하나하나가 각 뉴런 라고 생각함됨) \\
-번 픽셀은 1번뉴런, 2번픽셀은 2번 뉴런이 담당한다 생각하자. 해당 레이어는 결과적으로 "이번엔 10% 픽셀만 불 들어왔네" 정도 출력하는 역할.\\
-\\
-첫번쨰 [[딥러닝:은닉레이어]]는 이미지의 아주 작은 부분(선, 점, 빗금) 등 잇는지 찾아냄.\\
-여기서 뉴런의 역할은 "이미지 오른쪽 위 짧은 세로선 잇나?" 있으면 높은 [[각종함수:활성화함수|활성화값]]을 출력한다 뭐 이런식임\\
-\\
-두번쨰 [[딥러닝:은닉레이어]]는 1번 레이어의 뉴런들이 찾아낸 단순한 특징들을 조합해서 더 의미있는 모양 (원, 모서리 등)을 만듬.\\
-C 뉴런은 여러 '곡선 탐지기' 뉴런들로부터 신호를 받습니다. 이 신호들이 강하게 들어오면 "아, 이것들을 합치니 **완전한 원(loop)**이 되는구나!"라고 판단하고 높은 숫자를 출력합니다. D 뉴런은 '가로선'과 '세로선' 신호를 받아 **'모서리'**를 찾아냅니다.
-\\
-최종적으로 [[딥러닝:출력레이어]]는 조합된 모양을 보고 이건 무슨 숫자다 라고 결정내리며,\\
-총 10개의 뉴런(0~9) 각 숫자를 맞음.