딥러닝 - 뉴런(Neuron)이란? 개념 이해

딥러닝하면 인공 신경망과 큰 관계가 있다.

딥러닝은 기본적으로 기계가 인간 처럼 학습하기를 바라면서 기술이 발전한 것이라고 할 수 있다.

즉 인간의 신경망의 입력에 따른 변화처럼 기계도 신경망을 가지고 입력에 따라서 변화하는 것을 재현한 것이 바로 뉴런(Neuron)이라고 할 수 있다.

 

인간의 신경과 같이 여러 입력에 따라서 변화하는 신경 조직을 뉴런이라고 할 수 있다.

이러한 신경조직을 기계에게 적용해보고 싶다고 출발한 것이 바로 신경망인 Neuron Network 으로 기계에게 적용하기 위해 만들었기 때문에 인위적으로 만들었기 때문에 인공 신경망이라고 한다.

즉 다양한 입력에 신경이라는 Neuron을 합하여, 신경을 업데이트하고, 이 결과를 출력해주는 것이다.

아주 간단한 구조로 입력 부터 순차적으로 설명해 보면 다음과 값다.

 

1. 입력층() 입력은 말 그대로 신경(Neuron)을 학습할 값들이라고 할 수 있다. 이 입력값은 하나일수도 있고, 여러 개일 수 도 있다. 이 입력 값들은 학습을 위해서 가중치라는 신경을 업데이트하기 위해서 학습 방식을 통해 신경을 업데이트하는데, 학습 방식으로 우리가 흔히 아는 경사 하강법을 어떻게 설정할지, 혹은 확률적 경사 하강법을 쓸지등 학습 방법을 선택하여 신경을 업데이트해야 한다.

 

2. 히든층() 신경은 가중치와 학습 방법으로 들어온 모든 입력을 더하는 작업을 한다. 수학 공식으로 시그마를 통해 입력값 X의 가중치 W를 모두 더하는 공식으로 계산을 한다.

 

3. 출력층() 그후 출력을 위해서 활성화 함수를 사용하여 출력 결과를 조정한다. 이를 활성화 함수라고 하는데, 시그모이드 함수, 하이퍼볼릭 탄젠트 함수, 한계값 함수등이 사용되며, 1과0 혹은 1과 -1 사이의 값으로 표현하게 된다.

 

 

주로 시그모이드 함수(simod)와 하이퍼볼릭 탄젠트 함수(tanh)등을 자주 사용되므로, 알아두면 유용하다.