밑바닥부터 시작하는 딥러닝

52

밑바닥부터 시작하는 딥러닝

2.3.2

가중치와 편향 도입

앞에서 구현한

AND

게이트는 직관적이고 알기 쉽지만, 앞으로를 생각해서 다른 방식으로 수

정하고자 합니다. 그 전에 [식

2

.

1

]의

θ

를 -

b

로 치환하면 퍼셉트론의 동작이 [식

2

.

2

]처럼 됩

니다.

y

bwxwx

bwxwx

0( )

1( )

0

0

11 22

11 22

2

#

=

++

++

)

[식 2.2 ]

[식

2

.

1

]과 [식

2

.

2

]는 기호 표기만 바꿨을 뿐, 그 의미는 같습니다. 여기에서

b

를

편향

bias

이라

하며

w

1

과

w

2

는 그대로 가중치

weight

입니다. [식

2

.

2

] 관점에서 해석해보자면, 퍼셉트론은 입력

신호에 가중치를 곱한 값과 편향을 합하여, 그 값이

0

을 넘으면

1

을 출력하고 그렇지 않으면

0

을 출력합니다. 그럼 넘파이를 사용해서 [식

2

.

2

] 방식으로 구현해봅시다. 여기에서는 파이썬

인터프리터로 순서대로 결과를 확인하면서 진행해보겠습니다.

>>>

import numpy as np

>>>

x

=

np

.

array

([

0

,

1

])

# 입력

>>>

w

=

np

.

array

([

0

.

5

,

0

.

5

])

# 가중치

>>>

b

=

-

0

.

7

# 편향

>>>

w

*

x

array

([

0

.

,

0

.

5

])

>>>

np

.

sum

(

w

*

x

)

0

.

5

>>>

np

.

sum

(

w

*

x

)

+

b

-

0

.

19999999999999996

# 대략 -0.2（부동소수점 ...