밑바닥부터 시작하는 딥러닝 - 미리보기
사이토 고키 지음 | 개앞맵시(이복연) 옮김 | 24,000원 | 한빛미디어 | 2017.01.03 "직접 구현하고 움직여보며 익히는 가장 쉬운 딥러닝 입문서 " 이 책은 라이브러리나 프레임워크에 의존하지 않고, 딥러닝의 핵심을 ‘밑바닥부터’ 직접 만들어보며 즐겁게 배울 수 있는 본격 딥러닝 입문서입니다. 술술 읽힐 만큼 쉽게 설명하였고, 역전파처럼 어려운 내용은 ‘계산 그래프’ 기법으로 시각적으로 풀이했습니다. 무엇보다 작동하는 코드가 있어 직접 돌려보고 요리조리 수정해보면 어려운 이론도 명확하게 이해할 수 있습니다. 딥러닝에 새롭게 입문하려는 분과 기초를 다시금 정리하고 싶은 현업 연구자와 개발자에게 최고의 책이 될 것입니다.
사이토 고키 지음 | 개앞맵시(이복연) 옮김 | 24,000원 | 한빛미디어 | 2017.01.03
"직접 구현하고 움직여보며 익히는 가장 쉬운 딥러닝 입문서 "
이 책은 라이브러리나 프레임워크에 의존하지 않고, 딥러닝의 핵심을 ‘밑바닥부터’ 직접 만들어보며 즐겁게 배울 수 있는 본격 딥러닝 입문서입니다. 술술 읽힐 만큼 쉽게 설명하였고, 역전파처럼 어려운 내용은 ‘계산 그래프’ 기법으로 시각적으로 풀이했습니다. 무엇보다 작동하는 코드가 있어 직접 돌려보고 요리조리 수정해보면 어려운 이론도 명확하게 이해할 수 있습니다. 딥러닝에 새롭게 입문하려는 분과 기초를 다시금 정리하고 싶은 현업 연구자와 개발자에게 최고의 책이 될 것입니다.
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
그림 2-1 입력이 2개인 퍼셉트론<br />
[그림 2-1]은 입력으로 2개의 신호를 받은 퍼셉트론의 예입니다. x 1<br />
과 x 2<br />
는 입력 신호, y는 출<br />
력 신호, w 1<br />
과 w 2<br />
는 가중치를 뜻합니다(w는 weight의 머리글자죠). 그림의 원을 뉴런 혹은<br />
노드라고 부릅니다. 입력 신호가 뉴런에 보내질 때는 각각 고유한 가중치가 곱해집니다(w 1<br />
x 1<br />
,<br />
w 2<br />
x 2<br />
). 뉴런에서 보내온 신호의 총합이 정해진 한계를 넘어설 때만 1을 출력합니다(이를 ‘뉴런<br />
이 활성화한다’라 표현하기도 합니다). 이 책에서는 그 한계를 임계값이라 하며, θ 기호theta, 세타<br />
로 나타냅니다.<br />
퍼셉트론의 동작 원리는 이게 다입니다! 이상을 수식으로 나타내면 [식 2.1 ]이 됩니다.<br />
0 ( wx 1 1+<br />
wx 2 2#<br />
i)<br />
y = )<br />
1 ( wx+<br />
wx i)<br />
1 1 2 22<br />
[식 2.1]<br />
퍼셉트론은 복수의 입력 신호 각각에 고유한 가중치를 부여합니다. 가중치는 각 신호가 결과에<br />
주는 영향력을 조절하는 요소로 작용합니다. 즉, 가중치가 클수록 해당 신호가 그만큼 더 중요<br />
함을 뜻합니다.<br />
가중치는 전류에서 말하는 저항에 해당합니다. 저항은 전류의 흐름을 억제하는 매개변수로, 저항이<br />
낮을수록 큰 전류가 흐릅니다. 한편 퍼셉트론의 가중치는 그 값이 클수록 강한 신호를 흘려보냅니다. 이처럼<br />
서로 작용하는 방향은 반대지만, 신호가 얼마나 잘(혹은 어렵게) 흐르는가를 통제한다는 점에서 저항과 가중<br />
치는 같은 기능을 합니다.<br />
48 <strong>밑바닥부터</strong> 시작하는 딥러닝
Change language