앞선 실습에서는 가중치(Weight), Bias, Step Function을 이용하여 단층 퍼셉트론인 AND gate와 OR gate를 구현해보았다. 이번 실습에서는 가중치와 Bias 값을 조정해보며 동일한 단층 퍼셉트론 NAND gate와 NOR gate를 구현해보도록 하자. import numpy as np ''' 1. NAND_gate 함수를 완성하세요. Step01. 이전 실습을 참고하여 입력값 x1과 x2를 Numpy array 형식으로 정의한 후, x1과 x2에 각각 곱해줄 가중치도 Numpy array 형식으로 적절히 설정해주세요. Step02. NAND_gate를 만족하는 Bias 값을 적절히 설정해주세요. Step03. 가중치, 입력값, Bias를 이용하여 가중 신호의 총합을 구합니다. ..
AND gate와 OR gate는 한 개의 퍼셉트론으로 만들어졌기 때문에 단층 퍼셉트론이라고 부른다. 단층 퍼셉트론인 AND gate와 OR gate를 직접 구현해보며 적절한 가중치(Weight)와 Bias 값을 찾아보고, 가장 기본적인 활성화 함수인 Step Function을 구현해보도록 하자. import numpy as np ''' 1. AND_gate 함수를 완성하세요. Step01. 입력값 x1과 x2에 각각 곱해줄 가중치는 0.5, 0.5로 설정되어 있습니다. Step02. AND_gate를 만족하는 Bias 값을 설정합니다. 여러 가지 값을 대입해보며 적절한 Bias 값을 찾아보세요. Step03. 가중치, 입력값, Bias를 이용하여 신호의 총합을 구합니다. Step04. Step Func..
위 그림에서 m = 4로 설정, 따라서 입력값(Input)은 x_1, x_2, x_3, x_4x1,x2,x3,x4로 총 4개, 가중치(Weight)도 w_1, w_2, w_3, w_4w1,w2,w3,w4로 총 4개임 가중치 w_0w0에 대한 입력값은 1이므로 두 값이 곱해진 값은 상수 w_0w0이고, 이는 곧 Bias입니다. 따라서 Bias b = 1 * w_0 = w_0b=1∗w0=w0 라고 할 수 있음 입력값 x_1, x_2, x_3, x_4x1,x2,x3,x4와 가중치 w_1, w_2, w_3, w_4w1,w2,w3,w4, 그리고 1과 w_0w0까지 Net input function에 입력되면 y = w_1x_1 + w_2x_2 + w_3x_3 + w_4x_4 ..
