1. 인공 뉴런 (Artificial Neuron)
ㅇ 생물학적 뉴런의 작동 원리를 수학적으로 모방한 컴퓨팅 소자
- 인공 신경망(ANN)의 기본 구성 단위
. 입력을 받아 계산을 수행하고 출력을 내보내는 작은 단위
* 이는,
. 여러 입력을 받아 가중치를 곱하고,
. 그 합에 활성화 함수를 적용하여,
. 이로부터 출력값을 생성하는, 최소 연산 단위
2. 최초의 인공 뉴런 모델 : 맥컬록-피츠 뉴런 모델 (McCulloch-Pitts Neuron, M-P 뉴런 모델, MCP)
ㅇ 제안자 : 1943년, 워런 맥컬록(Warren McCulloch)과 월터 피츠(Walter Pitts)
ㅇ 의의 : 오늘날 인공신경망 이론의 기초를 제공한 최초의 수학적 뉴런 모델
ㅇ 모델 개요
- 다수의 입력 (다른 뉴런들로부터 전달 받음) → 가중치를 곱함 → 총합 계산
- 이 총합이, 임계값(Threshold) 이상이면 1, 미만이면 0을 출력
- 즉, 다수 이진 입력 → 가중합 → 임계값 비교 → 이진 출력 (0 또는 1)
- 이는, 단순한 이진 활성화 함수를 사용하는 것임
* 임계값 : 자극 전달 기준치
. 입력 자극의 크기가 특정값 이상일 경우에 만 다른 뉴런에 전달
ㅇ 주요 특징
- 논리 연산 구현 가능
. 인공 뉴런은 연산 단위이며, 이들을 조합하면, 어떤 형태의 불 논리 연산도 만들 수 있음
.. 즉, AND, OR, NOT 등의 기초적인 불 대수 연산을 구현할 수 있음
.. 이로 인해, 계산 가능한 모든 논리 함수를, 뉴런들의 조합으로 표현 가능
.. 이론적으로 `튜링 완전`
- 가중치 조정은 수동
. 가중치는 학습을 통해 자동 조정되지 않고, 설계자가 미리 정함
- 학습 기능 없음 (계산 만 가능)
. 내부에 가중치 조절 또는 학습 알고리즘이 없어 스스로 학습할 수 없음
* 이들 단점은, 이후 퍼셉트론 모델의 등장으로 보완됨
3. [참고사항]
ㅇ 튜링 완전 : 모든 계산 가능한 문제를, 표현하고 해결할 수 있는 능력
- 이론적으로 다음을 만족
. 조건 분기 (if, while) : 실행 흐름을 바꿀 수 있음
. 무한 메모리 (이론적) : 필요한 만큼 데이터를 저장할 수 있음
. 반복과 재귀 : 어떤 계산도 반복/재귀로 구현 가능