MLP 개념

퍼셉트론 Perceptron

퍼셉트론은 이러한 신경망의 가장 기본적인 구성요소
다수의 입력으로부터 하나의 결과를 내보내는 알고리즘.
단층 퍼셉트론$Single Layer Perceptron$
입력층, 출력층만 존재.

단층 퍼셉트론은 입력 값과 가중치를 곱한 후 합산하여, 특정 활성화 함수를 통해 결과를 출력.
XOR 문제와 같은 비선형 문제를 해결하지 못하는 한계가 있음.

 

다층 퍼셉트론$MultiLayer Perceptron, MLP$

중간에 층을 추가하여 은닉층이 존재하는 퍼셉트론.
 
여러 개의 은닉층$Hidden Layer$을 가진 신경망으로, 비선형 문제를 해결할 수 있다.
각 층은 입력값을 받아 가중치를 곱하고 활성화 함수를 적용한 후, 다음 층으로 전달.
다층 퍼셉트론에 여러 층이 더해지면 **심층 신경망$Deep Neural Network, DNN$**이라고 함.

 

심층 신경망$Deep Neural Network$

여러 은닉층을 통해 데이터의 고차원적 특징을 학습함.
딥러닝 모델은 일반적으로 입력층$Input Layer$, 은닉층$Hidden Layers$, **출력층$Output Layer$**로 구성.
 
층이 깊어질수록 더 복잡한 패턴을 학습할 수 있지만, 계산 비용이 높아지고 기울기 소실$Vanishing Gradient$ 등의 문제가 발생할 수 있음.