뉴로 컴퓨터 개론 제7장 제7장 퍼셉트론 제 7 장 퍼셉트론 차례 7.1 Rosenblatt의 퍼셉트론 7.2 퍼셉트론의 구조 7.3 퍼셉트론 학습 알고리즘 7.4 다중 출력 퍼셉트론제 7 장.
Download
Report
Transcript 뉴로 컴퓨터 개론 제7장 제7장 퍼셉트론 제 7 장 퍼셉트론 차례 7.1 Rosenblatt의 퍼셉트론 7.2 퍼셉트론의 구조 7.3 퍼셉트론 학습 알고리즘 7.4 다중 출력 퍼셉트론제 7 장.
뉴로 컴퓨터 개론
제7장
1
제7장
퍼셉트론
2
제 7 장 퍼셉트론
차례
7.1 Rosenblatt의 퍼셉트론
7.2 퍼셉트론의 구조
7.3 퍼셉트론 학습 알고리즘
7.4 다중 출력 퍼셉트론
3
제 7 장 퍼셉트론
Rosenblatt의 퍼셉트론
4
Rosenblatt의 퍼셉트론
Rosenblatt 퍼셉트론의 구조
..
외부
입력
연합층
반응층
출력
..
수용층
5
제 7 장 퍼셉트론
퍼셉트론의 구조
6
퍼셉트론의 구조
퍼셉트론
Rosenblatt 퍼셉트론의 수용층과 연합층 통합
단층 신경망 구조
양극성 계단함수를 활성화 함수로 사용
패턴 인식 분야에 응용
7
제 7 장 퍼셉트론
퍼셉트론의 구조
퍼셉트론의 구조
입력
x1
xn
1
w1
wn
b
출력
y
8
제 7 장 퍼셉트론
퍼셉트론의 구조
퍼셉트론의 활성화 함수
f (NET )
1
0
T
NET
-1
1 : NET T
f ( NET ) 0 : NET T
1 : NET T
9
제 7 장 퍼셉트론
퍼셉트론의 구조
퍼셉트론의 출력
입력
x1
xn
1
w1
wn
b
출력
y
NET XW T
y f ( NET )
1 : NET T
0 : NET T
1 : NET T
10
제 7 장 퍼셉트론
퍼셉트론의 구조
임계치 0일 때 퍼셉트론의 출력은?
x1
x2
x3
0.1
0.2
0.2
-0.1
y
바이어스 1
NET XW T
0.1
0.2
1 1 1 1
0.2
0
0.1
y f ( NET )
f ( 0)
0
11
제 7 장 퍼셉트론
퍼셉트론 학습 알고리즘
12
퍼셉트론 학습 알고리즘
퍼셉트론 학습 절차
단계 1 연결 강도 초기화 및 학습 패턴쌍 선정
단계 2 학습률 결정
단계 3 학습 패턴쌍 입력
단계 4 가중합과 출력 구함
단계 5 출력과 목표치가 다르면 연결 강도 변경
단계 6 연결 강도 갱신
단계 7 단계 3~6 반복
연결 강도가 변하지 않으면 학습 종료
13
제 7 장 퍼셉트론
퍼셉트론 학습 알고리즘
연결 강도 갱신
연결 강도 변화량
W = ( d – y )X
다음 학습 단계의 연결 강도
Wk+1 = Wk + W
14
제 7 장 퍼셉트론
퍼셉트론 학습 알고리즘
퍼셉트론의 학습 알고리즘(1)
Step 1 : Initialize weights and counter
w 0 or small random value
p number of training pattern pairs
k1
Step 2 : Set learning rate
Step 3 : For each training pattern pair (X, d)
do Step 4-6 until k = p
Step 4 : Compute output
1 : NET T
y 0 : NET T
1 : NET T
15
제 7 장 퍼셉트론
퍼셉트론 학습 알고리즘
퍼셉트론의 학습 알고리즘(2)
Step 5 : Compare output and desired output
If y = d, k k+1 and goto Step 3
Step 6 : Update weights
W W + (d - y)X
Increase counter and goto Step 3
k k+1
Step 7 : Test stop condition
If no weights were changed in Step 3-6, stop
else, k 1 and goto Step 3
16
제 7 장 퍼셉트론
퍼셉트론 학습 알고리즘
패턴 분류를 위한 퍼셉트론
x2
입력 패턴
x1 x2
A 1 1 1
B 1 1 1
C 1 1 1
D 1 1 1
목표치
d
1
1
1
1
B
D
1
클러스터 2
1
-1
A
x1
C
-1
클러스터 1
판단 경계선
17
제 7 장 퍼셉트론
퍼셉트론 학습 알고리즘
퍼셉트론 설계
초기 연결 강도 W1= [0.2 0.1 –0.1]
학습률 α=1
임계치 T=0
입력 초기 연결 강도
x1
0.2
x2
0.1
-0.1
출력
y
1
18
제 7 장 퍼셉트론
퍼셉트론 학습 알고리즘
패스 1
퍼셉트론 학습(1)
학습 입력 패턴
A 1 1 1
목표치 -1
0.2
NET X (W1 )T 1 1 1 0.1 0.4
0.1
y 1
출력과 목표치가 동일하므로 연결 강도 변경하지 않음
W2 W1 0.2 0.1 0.1
19
제 7 장 퍼셉트론
퍼셉트론 학습 알고리즘
퍼셉트론 학습(2)
학습 입력 패턴
B 1 1 1
목표치 1
NET X (W2 )T 0.2
y 1
출력과 목표치가 다르므로 연결 강도 변경
20
제 7 장 퍼셉트론
퍼셉트론 학습 알고리즘
퍼셉트론 학습(3)
학습 입력 패턴
B 1 1 1
목표치 1
연결 강도 갱신
W d y X
1 1 1 1 1 1
2 2 2
W3 W2 W
0.2 0.1 0.1 2 2 2
1.8 2.1 1.9
제 7 장 퍼셉트론
21
퍼셉트론 학습 알고리즘
퍼셉트론 학습(4)
학습 입력 패턴
C 1 1 1
NET X (W3 )
목표치 1
T
2
y 1
출력과 목표치가 다르므로 연결 강도 변경
22
제 7 장 퍼셉트론
퍼셉트론 학습 알고리즘
퍼셉트론 학습(5)
학습 입력 패턴
C 1 1 1
목표치 1
연결 강도 갱신
W d y X
1 1 1 1 1 1
2 2 2
W4 W3 W
1.8 2.1 1.9 2 2 2
0.2 0.1 3.9
제 7 장 퍼셉트론
23
퍼셉트론 학습 알고리즘
퍼셉트론 학습(6)
학습 입력 패턴
D 1 1 1
목표치 1
NET X (W4 )T
4.2
y 1
출력과 목표치가 동일하므로 연결 강도 변경하지 않음
W5 W4 0.2 0.1 3.9
24
제 7 장 퍼셉트론
퍼셉트론 학습 알고리즘
패스 2
퍼셉트론 학습(7)
학습 패턴쌍을 반복 학습한 결과
연결 강도가 변하지 않으므로 학습 종료
최종 연결 강도
W = [2.2 2.1 1.9 ]
25
제 7 장 퍼셉트론
퍼셉트론 학습 알고리즘
퍼셉트론 학습(8)
최종 연결 강도
W = [2.2 2.1 1.9 ]
입력 최종 연결 강도
x1
2.2
출력
x2
2.1
y
1.9
1
26
제 7 장 퍼셉트론
퍼셉트론 학습 알고리즘
퍼셉트론 검증(1)
x2
x1 x2
d
A 1 1 1 1
B 1 1 1 1
C 1 1 1 1
D 1 1 1 1
B
D
x1
A
C
2.2x1 + 2.1x2 + 1.9=0
27
제 7 장 퍼셉트론
퍼셉트론 학습 알고리즘
퍼셉트론 검증(2)
x1 x2
d
A 1 1 1 1
B 1 1 1 1
C 1 1 1 1
D 1
1 1 1
입력 최종 연결 강도
x1
2.2
출력
x2
2.1
y
1.9
1
28
제 7 장 퍼셉트론
다중 출력 퍼셉트론
29
다중 출력 퍼셉트론
다중 출력 퍼셉트론의 구조
입력
출력
.
.
xn
w1n
wmn
y1
..
x1
yi
win
..
w11
wi1
wm1
ym
30
제 7 장 퍼셉트론
다중 출력 퍼셉트론
출력층 첫 번째 뉴런의 출력
입력
xn
y1
..
w11
wi1
wm1
w1n win
wmn
NET1 x1w11 xn w1n
yi
..
.
.
x1
출력
ym
w11
x1 xn
w1n
y1 f ( NET1 )
1 : NET1 T
0 : NET1 T
1 : NET T
1
31
제 7 장 퍼셉트론
다중 출력 퍼셉트론
출력층 m번째 뉴런의 출력
입력
xn
y1
..
w11
wi1
wm1
w1n win
wmn
yi
..
.
.
x1
출력
ym
NETm x1wm1 xn wmn
wm1
x1 xn
wmn
ym f ( NETm )
1 : NETm T
0 : NETm T
1 : NET T
m
32
제 7 장 퍼셉트론
다중 출력 퍼셉트론
문자 인식 다중 출력 퍼셉트론
입력
x1
x9
바이어스 1
.
.
.
출력
y1 (ㄱ)
y2 (ㄴ)
y3 (ㄷ)
33
제 7 장 퍼셉트론
다중 출력 퍼셉트론
영문자 인식 다중 출력 퍼셉트론
ㄴ
입력
출력
x1 .
y1
(A)
y2
(B)
.
.
x63
바이어스 1
y3 (C)
34
제 7 장 퍼셉트론
다중 출력 퍼셉트론
숫자 인식 다중 출력 퍼셉트론
입력
ㄴ
ㄴ
ㄴ
출력
y1 (2)
x1
x2
x63
바이어스 1
y2 (5)
y3 (7)
y4 (0)
35
제 7 장 퍼셉트론