happy cat image

everdevel

So This Is Love

login
알림X
  • 현재 댓글에 대한 답변만 표시합니다.
  • 표시할 댓글 이력이 없거나 로그인해 주세요.
























EEOS

에버디벨 책을 학습할 수 있는 클라우드 개발 환경을 제공합니다.
개발환경구축없이 태블릿에서도 개발할 수 있는 책의 예제와 프로젝트
오직 당신을 위한 스토리지, URL, DB, 무제한 트래픽
그리고 웹기반 개발환경을 제공합니다.

더 알아보기
에버디벨이 만든 무료 클라우드 개발환경을 소개합니다.

방문해 주셔서 감사합니다.

가중치 2(은닉계층 출력계층간 시그모이드 함수 계산)

앞에서 입력계층과 은닉계층간의 입력값과 가중치를 곱한 값들의 합을 구해 시그모이드 함수 계산을하여 은닉계층에 전달되는 입력값을 알아봤습니다.

앞에서 했던것을 또 한번 해봅시다. ㅜㅜ

이번엔 은닉계층과 출력계층간의 계산을 해보고 최종 출력값을 봐볼까요?

앞에서 은닉계층의 첫번째 노드에 입력된 값은 0.924

은닉계층의 두번째 노드에 입력된 값은 0.986

은닉계층의 세번째 노드에 입력된 값은 0.845

그림으로 표현해본다면 다음과 같습니다.

neuron

그럼 앞에서와 같이 은닉계층과 출력계층간 가중치를 임의로 부여하고 계산을 해봅시다.

다음과 같이 가중치를 임의로 부여했습니다.

neuron

자, 그럼 앞에서 한번 해봤으니 이번에는 그냥 설명없이 계산할게요.

은닉계층과 출력계층의 첫번째 노드에 연결된 가중치들을 보면...

neuron

은닉계층의 첫번째 노드 입력값 0.924 * 가중치 0.7

은닉계층의 두번째 노드 입력값 0.986 * 가중치 0.2

은닉계층의 세번째 노드 입력값 0.845 * 가중치 0.1

그럼 식은

(0.924 * 0.7) + (0.986 * 0.2) + (0.845 * 0.1) = 0.6468 + 0.1972 + 0.0845

0.6468 + 0.1972 + 0.0845 = 0.9285

0.9285 이 값을 시그모이드 함수에 적용하면 0.395

출력계층 첫번째 노드가 출력하는 값은 0.395입니다.

그럼 바로 출력계층 두번째 노드가 출력하는 값을 구해봅시다.

neuron

위 이미지의 노란색 칠해진 부분이 가중치

은닉계층의 첫번째 노드 입력값 0.924 * 가중치 0.4

은닉계층의 두번째 노드 입력값 0.986 * 가중치 0.5

은닉계층의 세번째 노드 입력값 0.845 * 가중치 0.3

그럼 식은

(0.924 * 0.4) + (0.986 * 0.5) + (0.845 * 0.3) = 0.3696 + 0.493 + 0.2535

0.3696 + 0.493 + 0.2535 = 1.1161

1.1161 이 값을 시그모이드 함수에 적용하면 0.753

출력계층 두번째 노드가 출력하는 값은 0.753입니다.

neuron

위 이미지의 보라색 칠해진 부분이 가중치

은닉계층의 첫번째 노드 입력값 0.924 * 가중치 0.9

은닉계층의 두번째 노드 입력값 0.986 * 가중치 0.8

은닉계층의 세번째 노드 입력값 0.845 * 가중치 0.6

그럼 식은

(0.924 * 0.9) + (0.986 * 0.8) + (0.845 * 0.6) = 0.8316 + 0.7888 + 0.507

0.8316 + 0.7888 + 0.507 = 2.1274

2.1274 이 값을 시그모이드 함수에 적용하면 0.893

출력계층 세번째 노드가 출력하는 값은 0.893입니다.

그럼 최종적으로 이미지로 표현하면 다음과 같습니다.

neuron neuron

와우 우리는 이 복잡한 계산을 해냈습니다. 아 사실 좀 헷갈리진 않았는지 하는 마음도 있습니다.

혹시 제가 계산을 잘못해서 여러분들의 답과 다르면 아래 댓글로 좀 부탁드립니다.

우리가 앞의 강좌부터해서 지금까지 꽤 오랜 시간이 걸리는 강좌를 진행했어요.

사실 별거아닌데도 시간이 오래걸렸죠.

다음시간에는 이 계산으로 좀 더 편리하게하는 방법에 대해 알아볼게요.


봐주셔서 감사합니다. 문의 또는 잘못된 설명은 아래의 댓글에 부탁드립니다.
당신의 작은 누름이 저에게는 큰 희망이 됩니다.


    
    

강좌로 돌아가기

댓글 0개

정렬기준