뉴런모델(Neuron, Node)

인공신경망(ANN, Artificial Neural Network)

뉴런(노드) 모델

- 가중치 (weight)

결합하중. 입력마다 곱하는 값이 다름. 클수록 더 많은 정보가 전달됨.

- 편향 (bias)

입력과 가중치의 곱을 모두 합한 값에 편향이라는 상수를 더함.

뉴런의 감도를 나타내며 크기에 따라 뉴런이 얼마나 쉽게 흥분되는지가 결정됨.

- 활성화 함수(activation function)

입력과 가중치 곱을 모두 합한 값에 편향을 더한 값은 활성화 함수에 의해 처리되어 뉴런의 흥분 상태를 표시하는 신호로 전환됨. 

이때 이 신호가 뉴런의 출력임. 활성화 함수는 뉴런을 흥분시키기 위한 함수.

n개의 입력에 대해 각각의 weight를 곱하여 모두 더하고 편향을 더해준다. ==> u식이 완성.

f()는 활성화 함수이기 때문에 계산한 값 u를 활성화 함수에 적용하면 output을 얻을 수 있다.