그림 7-1에서 임의의 가중치와 편향을 선택했을 때, 출력 값과 정답의 차이가 4였다고 가정합니다(실제로는 (출력 값–정답)2으로 구하지만 편의상 차이가 4라고 가정합니다). 이때 출력 값과 정답의 차이가 0에 가까워지도록 가중치와 편향의 값을 계속 조정하기를 반복합니다.
구체적으로 수식 표현은 다음과 같습니다. 수식을 이해하지 못하더라도, 이러한 수식으로 가중치와 편향의 값이 조정된다는 정도만 알고 넘어갑시다.
만약 w(i) × x(i) > 0 & y(i) = -1이면, w(i + 1) = w(i) – ŋ(i) × x(i)
만약 w(i) × x(i) ≤ 0 & y(i) = 1이면, w(i + 1) = w(i) + ŋ(i) × x(i)
◼︎ x(i): 입력 값
◼︎ y(i): 출력 값
◼︎ w(i): 현재 가중치
◼︎ w(i + 1): w(i)의 업데이트된 값
◼︎ ŋ(i): 학습률(0 < ŋ ≤ 1)
학습률
한 번 학습할 때 얼마큼 변화를 주는지에 대한 상수로, 학습률 값에 따라 학습 정확도가 달라질 수 있으므로 인공지능에서 매우 중요한 값입니다