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.