지식을 어떻게 모델링할 것인가?

• lab 강의 영상: 지식의 일반적 표현, 그리고 ANN 기초 개념 https://youtu.be/5JT5cjM9nuY
  • 기업이 알고 싶은 지식이란?
    • 사회과학에서 알고 싶어하는 지식은 예측
    • Knowledge: X → Y(X가 Y에게 미치는 영향)
    • Quantitative Approach(Estimation): 베타x + E = Y, E의 평균은 베타1x+베타0+E=Y ~ N(0, 시그마 제곱) → 통계학에서 사용하는 대부분 모델, 경영학에서 사용하는 지식은 X, Y로 표현됨
  • Graph Theory
    • 수식이 복잡하니깐 그래프로 표현
    • X1 → Y1 → Y3 → Y4

인공신경망(Artificial Neural Network)

인공뉴런(Artificial Neuron)이라는 특정한 형태의 수학적인 함수 구성

퍼셉트론(Perceptron)

인공뉴런을 기반으로 하여 주어진 데이터들을 두 종류로 분류할 수 있는 선형이진분류기(Linear Binary Classifier)

h의 값이 특정 임계값θ 보다 크거나 같으면 출력이 1, 작으면 0

1. 모든 X에 대하여 각 W을 곱한 값과 상수항(w0)의 합을 구함
2. 활성함수(Step Function)를 통해 임계값과 비교하여 Y 출력

• Step Function의 한계

1. 입력값이 선형함수로 나뉘어지지 않으면 분류할 수 없음
2. 입력값에 이상치가 있으면 분류할 수 없음

(참고) https://starcell.github.io/ai/dl-basic/

(참고) https://wikidocs.net/24958

활성 함수