퍼셉트론
퍼셉트론이는 피드포워드 신경망의 간단한 형태로 볼 수 있는 이진 선형 분류 모델입니다. 1957년 프랭크 로젠블랫이 제안했습니다. 인스턴스의 특징 벡터를 입력하고 인스턴스의 범주를 출력합니다.
선형 분류기로서 가장 간단한 전방 인공 신경망으로 볼 수 있습니다. 간단한 구조임에도 불구하고 복잡한 문제를 학습하고 처리할 수 있습니다. 이 알고리즘의 가장 큰 단점은 선형 분리 불가능 문제를 처리할 수 없다는 것입니다.
퍼셉트론 정의
퍼셉트론은 특징 벡터를 사용하여 피드포워드 신경망을 표현하는데, 이는 x와 같은 행렬을 출력 값 f(x)로 매핑하는 이진 분류기입니다.
여기서, w는 가중치 벡터를 나타내는 실수이고, w · x는 내적이며, b는 편향 상수입니다.
f(x)는 x가 양수인지 음수인지 판별하기 위해 분류하는 데 사용됩니다. 이것은 이진 분류 문제입니다. b가 음수 값이면, 분류 뉴런을 임계값 0보다 크게 만들기 위해 가중 입력 값은 -b보다 큰 양수 값을 생성해야 합니다. 공간적 관점에서 볼 때, 편향은 결정 경계의 위치를 변경합니다.
퍼셉트론 학습 전략
핵심: 손실 함수 최소화
훈련 세트가 분리 가능한 경우, 퍼셉트론의 학습 목표는 훈련 세트에서 양의 인스턴스 점과 음의 인스턴스 점을 완전히 분리할 수 있는 분리 초평면을 찾는 것입니다. 퍼셉트론 모델 매개변수 w와 b를 결정하기 위해 일반적으로 손실 함수가 사용되며 손실 함수는 최소화됩니다.