4.2.1 딥러닝 용어
딥러닝을 위한 용어들부터 알아봅시다. 딥러닝은 다음 그림과 같이 입력층, 출력층과 두 개 이상의 은닉층으로 구성되어 있습니다. 또한, 입력 신호를 전달하기 위해 다양한 함수도 사용하고 있는데, 신경망을 이루는 구성 요소에 대해 하나씩 살펴보겠습니다.
▲ 그림 4-5 딥러닝 구조
딥러닝을 구성하는 요소들을 정리하면 다음 표와 같습니다.
▼ 표 4-4 딥러닝 구성 요소
|
구분 |
구성 요소 |
설명 |
|
층 |
입력층(input layer) |
데이터를 받아들이는 층 |
|
은닉층(hidden layer) |
모든 입력 노드부터 입력 값을 받아 가중합을 계산하고, 이 값을 활성화 함수에 적용하여 출력층에 전달하는 층 |
|
|
출력층(output layer) |
신경망의 최종 결괏값이 포함된 층 |
|
|
가중치(weight) |
노드와 노드 간 연결 강도 |
|
|
바이어스(bias) |
가중합에 더해 주는 상수로, 하나의 뉴런에서 활성화 함수를 거쳐 최종적으로 출력되는 값을 조절하는 역할을 함 |
|
|
가중합(weighted sum), 전달 함수 |
가중치와 신호의 곱을 합한 것 |
|
|
함수 |
활성화 함수(activation function) |
신호를 입력받아 이를 적절히 처리하여 출력해 주는 함수 |
|
손실 함수(loss function) |
가중치 학습을 위해 출력 함수의 결과와 실제 값 간의 오차를 측정하는 함수 |
|
입력층, 은닉층, 출력층은 표의 정의를 참고하면 되고, 나머지 용어는 하나씩 좀 더 자세히 살펴보겠습니다.