뉴런과 퍼셉트론
생물학적 뉴런 neuron
- 뉴런: 동물의 신경계를 구성하는 세포
- 수상돌기: 다른 세포의 신호를 받음
- 세포체: 받은 신호를 통합
- 축삭: 다른 뉴런이나 근육으로 신호를 전달

- 입력의 영향이 역치를 넘으면 활동 전위(action potential) 발생
- 활동 전위는 축삭을 따라 이동
- 축삭 말단에서 다음 세포로 신호 전달

인공 뉴런과 퍼셉트론 perceptron
- 맥컬록-피츠 뉴런(McCulloch-Pitts neuron): 1943년 신경생리학자 워런 맥컬록(Warren McCulloch)과 논리학자 월터 피츠(Walter Pitts)가 제안한 최초의 인공 뉴런 모형
- 0 또는 1의 입력을 더해 역치를 넘으면 1, 넘지 못하면 0을 출력
- 뉴런을 조합하면 AND, OR 같은 논리 연산 표현 가능
- 연결과 역치를 사람이 직접 정하며, 데이터에서 학습하지 못함
- 인공 뉴런(artificial neuron): 여러 입력의 가중합에 활성화 함수를 적용해 출력 생성
- 퍼셉트론: 활성화 함수로 계단 함수를 사용하는 인공 뉴런
- 1958년 심리학자 프랭크 로젠블랫(Frank Rosenblatt)이 제안
- 맥컬록-피츠 뉴런에 데이터로 가중치를 조정하는 학습 규칙을 더함
- 가중합이 0 이상이면 1, 0보다 작으면 0을 출력
- 이항 선형 분류기

- 입력 xi: 뉴런이 처리할 특성
- 가중치 wi: 각 입력이 출력에 미치는 영향
- 편향 b: 결정 기준을 이동하는 값
- 가중합 z: 입력과 가중치의 곱을 모두 더하고 편향을 더한 값
- 활성화 함수 f: 가중합을 출력 y^로 변환하는 함수
- 가중치와 편향은 데이터에서 학습하는 파라미터(parameter)
생물학적 뉴런과의 대응
| 생물학적 뉴런 | 인공 뉴런에서 대응하는 개념 |
|---|---|
| 수상돌기로 들어오는 신호 | 입력 xi |
| 시냅스가 신호에 미치는 영향 | 가중치 wi |
| 세포체의 신호 통합 | 가중합 z |
| 활동 전위의 발생과 전달 | 활성화 함수와 출력 |
논리 게이트
- 두 입력 x1,x2가 0 또는 1일 때 논리 게이트의 출력
- AND: 두 입력이 모두 1일 때만 1
- OR: 두 입력 중 하나 이상이 1이면 1
| x1 | x2 | AND | OR |
|---|---|---|---|
| 0 | 0 | 0 | 0 |
| 0 | 1 | 0 | 1 |
| 1 | 0 | 0 | 1 |
| 1 | 1 | 1 | 1 |
- 결정 경계(decision boundary): 두 입력 퍼셉트론에서 w1x1+w2x2+b=0인 직선
- 직선의 한쪽은 1, 다른 쪽은 0으로 분류
- 입력이 더 많으면 결정 경계는 초평면

- AND: w1=w2=1, b=−1.5
- (1,1)에서만 z=0.5≥0
- OR: w1=w2=1, b=−0.5
- 하나 이상의 입력이 1이면 z≥0
- AND와 가중치는 같고 편향만 달라 결정 경계가 평행 이동
선형 분리
- 선형 분리 가능(linearly separable): AND와 OR처럼 직선 하나로 출력 1과 0을 나눌 수 있는 경우
- 단층 퍼셉트론은 선형 분리 가능한 문제만 표현 가능
- 데이터가 복잡하면 직선 하나로 나눌 수 없어 여러 선이 필요



퀴즈
인공 뉴런이 입력에서 출력을 만드는 순서로 가장 알맞은 것은?
퀴즈를 풀려면 대화형 기능을 불러와야 합니다.