딥러닝 인공신경망 학습 원리와 다층 퍼셉트론 구조 확장 방법

1. 1번 문제 답

1번 답: C
다층 퍼셉트론(MLP)은 인공신경망의 대표적인 구조 중 하나로, 입력층과 출력층 사이에 하나 이상의 은닉층이 존재한다. 이러한 구성은 단순한 선형 분류 문제를 넘어 복잡한 비선형 문제까지 처리할 수 있도록 돕는다. 입력층은 외부 데이터를 받아들이는 역할을 하며, 은닉층은 그 데이터를 가중치와 활성화 함수를 통해 변환하고, 출력층은 최종 결과를 산출한다. 이처럼 MLP는 다양한 문제 해결에 활용되며, 인공신경망의 기본적인 형태로 널리 사용된다.

2. 2번 문제 답
2번 답: B
활성화 함수는 인공신경망에서 뉴런의 출력을 결정하는 데 중요한 역할을 한다. 이 함수는 입력값을 비선형적으로 변환하여 다음 층으로 전달하며, 이를 통해 신경망은 단순한 선형 모델을 넘어서 복잡한 패턴을 학습할 수 있게 된다. 예를 들어, ReLU나 Sigmoid 같은 활성화 함수는 각각의 특성에 따라 다양한 학습 효과를 유도하며, 모델의 표현력을 높이는 데 이바지한다. 만약 활성화 함수가 없다면, 여러 층을 쌓더라도 전체 모델은 결국 하나의 선형 함수로 수렴하게 되어 복잡한 문제를 해결하기 어렵게 된다.1)1) AI 용어사전, 서울대학교 AI연…