하지만 그림 5-3과 같이 가중치는 바로 심층 신경망의 각 뉴런과 뉴런을 연결하는 선에 있습니다. 각 선에는 가중치라는 서로 다른 값이 저장되어 있습니다. 편향 값은 각 층에 하나의 값으로 있습니다.

결국 한 뉴런에서 다음 뉴런으로 전달되는 신호 세기는 가중치와 편향으로 결정됩니다. 그래서 인공 신경망에서는 가중치가 상당히 중요합니다. 각각의 뉴런을 잇는 가중치가 어떤 값을 가졌는지에 따라 학습이 잘된 신경망인지, 그렇지 않은 신경망인지 구분됩니다. 즉, 인공 신경망이 학습한다는 것은 이 가중치와 편향 값을 각 데이터에 맞게 정교하게 맞추어 간다는 의미입니다.

인공 신경망의 층이 깊어질수록 이 가중치 값은 그에 비례해서 많아집니다. 각 값을 최적화할 때는 컴퓨터 성능이 중요한 역할을 담당하죠. 그래서 인공 신경망을 할 때는 성능이 좋은 컴퓨터가 있으면 더 빨리 계산할 수 있습니다.