[[딥러닝:네트워크|모델]] \\
[[딥러닝:레이어]]

===== 숫자를 인식하는 모델의 레이어의 각 뉴런의 경우 대충 이하와 같다 =====
> 요약하자면 각 레이어마다 입력에대한 특징을 분석하는 뉴런이 잇고 특징 하나하나 분석하며 [[각종함수:활성화함수|활성화값]] 높은게 최종 출력(정답)이되는 것\\
\\

[[딥러닝:입력레이어]] 뉴런은 28 $ \times $ 28= 784개가 잇다고 치면 뉴런 하나하나가 픽셀 하나하나를 담단한다. (LED판에에 불빛 하나하나가 각 뉴런 라고 생각함됨) \\
1번 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.\\
\\
두번쨰 [[딥러닝:은닉레이어]]는 1번 레이어의 뉴런들이 내보낸 높은 활성화값을 토대로 무슨 숫자를 넣엇길래 그 해당 픽셀들에 높은 값 줬을까를 연구함.\\
예를드어 0 일떄, 위곡선 아래곡선은 높은데 - 처럼 가로직선은 낮은 점수받고,\\
아... 0일떄는 직선이 없구만 하면서 계산을 한느것임. (이 계산은 [[딥러닝:뉴런]] 참조.\\
\\
최종적으로 [[딥러닝:출력레이어]]는 조합된 모양을 보고 이건 무슨 숫자다 라고 결정내리며,\\
총 10개의 뉴런(0~9) 각 숫자를 맞음.\\
\\
\\

==== 다음 레이어어에 잇는 뉴런은 무엇을 기준으로 이전 레어어 뉴런을 사용할지 말지 정할까? ====
정답은 [[머신러닝:가중합]]이다.\\
다음 뉴런이 활성화값을 받아 -> 가중합을 계산 -> 그 결과로 자신의 활성화값을 정한다.\\