본문 바로가기

딥러닝입문2

신경망의 구조 – 입력층, 은닉층, 출력층 완벽 이해하기 딥러닝을 공부하다 보면 가장 먼저 접하는 단어가 바로 "신경망(Neural Network)"입니다. 그리고 그 구조를 이해하는 데 있어 가장 기본이 되는 개념은 바로 **입력층, 은닉층, 출력층**입니다. 신경망은 단순한 선형 모델과 달리 여러 개의 노드(Node)와 층(Layer)으로 구성되어 있으며, 데이터가 입력에서 출력으로 흐르면서 점점 더 복잡한 패턴을 학습합니다. 이번 글에서는 인공신경망의 기본 구조를 이루는 세 가지 층에 대해 쉽고 명확하게 정리해보겠습니다.📚 목차1. 신경망이란 무엇인가?2. 입력층(Input Layer)3. 은닉층(Hidden Layer)4. 출력층(Output Layer)5. 층 구조가 중요한 이유6. 마무리 요약1. 신경망이란 무엇인가?신경망(Neural Networ.. 2025. 4. 9.

분류 문제의 필수 공식: 교차 엔트로피 손실 함수 완벽 이해 왜 분류 문제에서 비용 함수로 '교차 엔트로피'를 쓸까요? 수식과 개념을 간단명료하게 정리해드립니다.안녕하세요! 오늘은 분류 문제를 다룰 때 거의 무조건 등장하는 '교차 엔트로피(Cross-Entropy)' 손실 함수에 대해 이야기해보려 해요. 저도 처음 딥러닝 공부할 때 "왜 분류 문제에는 MSE가 아닌 교차 엔트로피를 쓰지?" 라는 의문을 가졌었거든요. 이 글에서 그 이유를 확실히 알려드릴게요.목차왜 교차 엔트로피를 사용할까? 다중 분류용 수식 이진 분류용 수식 MSE와의 비교 요약 및 실전 팁왜 교차 엔트로피를 사용할까?분류 문제에서는 모델이 각 클래스에 대한 '확률'을 출력합니다. 그 확률이 실제 정답과 얼마나 일치하는지를 측정하는 데 가장 적합한 손실 함수가 바로 교차 엔트로피입니다.출력층이 소.. 2025. 3. 27.

이전 1 다음

티스토리툴바