인공지능,마케팅,브랜드,브랜드마케팅,기업,서비스마케팅,글로벌,경영,시장,사례

0
역치 : 0.5
_SLIDE_9_

초기상태에서의 각각의 입력에 대한 출력, 오차, 연결가중치의 변화는
입력1,입력2 : (목표값,출력값:오차) -`가중치변화1, 가중치변화2
0,0 : (0,0:0) +0, +0
1,0 : (0,1:-1) 0.1, +0
0,1 : (0,0:0) +0, +0
1,1 : (1,1:0) +0, +0
으로 되어, 연결가중치1이 입력(1,1)에 대해서 출력 0이 나오는 값인 0.5가 될 때까지 0.1을 반복하게 됩니다.

AND 적용 예
학습(learning)이란 → 시냅스의 연결 강도(가중치)를 변화시키는 것

Neuron1-1
Neuron1-2
Neuron2-1
Output
Input 1
Input 2
연결가중치 : 0.7

연결가중치 : 0
역치 : 0.5
_SLIDE_10_

그러고 나면 가중치가 0.5, 0.0이므로, (1,1)의 출력 0, 목표값1에 의한 오차(1)에 의해 연결가중치2에 +0.1이 가해지고,
결국, 신경망의 각 연결가중치는 0.5, 0.1가 되어서 입력값이 1,1일 때만 0.5+0.1`0.5 이므로 AND연산을 하기에 적합한 수치가 된 것

AND 적용 예
학습(learning)이란 → 시냅스의 연결 강도(가중치)를 변화시키는 것

Neuron1-1
Neuron1-2
Neuron2-1
Output
Input 1
Input 2
연결가중치 : 0.7

연결가중치 : 0
역치 : 0.5
_SLIDE_11_

1.입력패턴으로 1,0을 입력시키면
2.신경망을 작동시키면 출력은
10+00`0.5 이므로 0이 됩니다.
3.헤브의 규칙을 적용시키면,
첫 번째 입력뉴런의 활성값이 1,
목표출력이 1이므로
연결가중치1=연결가중치1+0.111 = 0.1

OR연산 적용 예

Neuron1-1
Ne

(보관된 자료가 없습니다)