ÃʱâÀÇ ½Å°æ ½Ã½ºÅÛ ¸ðµ¨ Áß¿¡¼­ ¾Æ¸¶µµ °¡Àå Àß ¾Ë·ÁÁø °ÍÀº 1943³â Warren McCulloch °ú Walter Pitts ¿¡ ÀÇÇØ Á¦¾ÈµÈ ¸ðµ¨ÀÏ °ÍÀÌ´Ù. ±×µéÀº Àΰ£ÀÇ µÎ³ú¸¦ ³í¸®Àû ¼­¼úÀ» ±¸ÇöÇÏ´Â ÀÌÁø ¿ø¼ÒµéÀÇ °áÇÕÀ¸·Î ÃßÃøÇߴµ¥, ÀÌÁø ¿ø¼ÒÀÎ ´º·±Àº onÀ̳ª off »óŸ¦ ³ªÅ¸³½´Ù. ¸ÆÄ÷°°ú ÇÇÃ÷°¡ ¾´ ³í¹® (A Logical calculus of ideas immanent in nervous activity) ÀÇ ¿ä¾à ºÎºÐ ÁßÀÇ Ã¹ ´Ü¿øÀ» ¼Ò°³ÇÑ´Ù.

ÀÌ ³í¹®ÀÇ °¡Àå Áß¿äÇÑ °á°ú´Â ±×·¯ÇÑ ½Å°æ¸ÁµéÀÌ ¿Ïº®ÇÏ°Ô ÀϹÝÀûÀ̾ ¾î¶² À¯ÇÑÇÑ ³í¸®Àû Ç¥Çöµµ ½ÇÇöÇÒ ¼ö ÀÖ´Ù´Â Á¡ÀÌ´Ù. ÀÌ ¸ðµ¨Àº ¸í¹éÈ÷ ½Ç¿ëÀûÀÎ Àǹ̸¦ ³»Æ÷Çϴµ¥ ±×·¯ÇÑ ´º·±µéÀ» ÇÕÃļ­ °­·ÂÇÏ°íµµ ¹ü¿ëÀûÀÎ ÄÄÇ»ÅÍ ÀåÄ¡¸¦ ¸¶µé ¼ö ÀÖ´Ù. ÀÌ¿Ü¿¡µµ 1943³â ±× ´ç½Ã¿¡ ¸ÆÄ÷°-ÇÇÃ÷ ¸ðµ¨°ú °°Àº ÇÁ·ÎÁ§Æ®°¡ Ææ½Çº£´Ï¾Æ ´ëÇÐÀÇ Moore School of Engineering ¿¡¼­µµ ÁøÇàÁß À̾ú´Ù. ¸ÆÄ÷°°ú ÇÇÃ÷´Â ÀÌ ³í¹®À» ¾²´Â µ¥ ´ÜÁö 3 °³ÀÇ ¹®Ç常 ÂüÁ¶ÇÏ¿´´Âµ¥ ¸ðµÎ°¡ ¼öÇÐÀûÀÎ ³í¸®¸¦ ´Ù·é Ã¥µéÀÌ´Ù. ¸ÆÄ÷°°ú ÇÇÃ÷´Â ´º·±ÀÇ ¿ÀÆÛ·¹À̼ÇÀ» Áö¹èÇÏ´Â 5 °³ÀÇ °¡Á¤ (assumptions) À» ÇÏ¿´´Ù. ±× °¡Á¤µéÀº ÄÄÇ»ÅÍ °úÇÐÀڵ鿡°Ô ¸ÆÄ÷°°ú ÇÇÃ÷ÀÇ ´º·±À¸·Î ¾Ë·ÁÁö°Ô µÇ¾ú´Âµ¥ ´ÙÀ½°ú °°´Ù ............ (±è´ë¼ö 1992)

McCulloch-Pitts ¸ðµ¨¿¡¼­ »ç¿ëÇÑ °¡¼³Àº ´ÙÀ½°ú °°´Ù.

McCulloch-Pitts ¸ðµ¨ÀÇ ±¸Á¶¸¦ ¾Æ·¡¿¡ µµ½ÃÇÏ¿´´Ù. ´º·±Àº ÀÎÁ¢ÇÑ ¿©·¯ ´º·±µé·ÎºÎÅÍ ½ÅÈ£¸¦ ¼ö½ÅÇϸç, ´º·±°£ÀÇ ½Ã³À½º ¿¬°á°­µµ¿¡´Â ÈïºÐ¼º°ú ¾ïÁ¦¼ºÀÇ 2 °¡Áö À¯ÇüÀÌ ÀÖ´Ù.

 McCulloch-Pitts ¸ðµ¨

¿¬°á°­µµ°¡ ÀÎ °æ¿ì´Â ´º·±À» ÈïºÐ½ÃÅ°´Â ¿ªÇÒÀ» ÇϹǷΠÈïºÐ¼º ¿¬°á°­µµ¶ó Çϸç, ¿¬°á°­µµ°¡ ÀÎ °æ¿ì´Â ´º·±ÀÇ È°¼ºÈ­¸¦ ¾ïÁ¦½ÃÅ°´Â ¿ªÇÒÀ» ÇϹǷΠ¾ïÁ¦¼º ¿¬°á°­µµ¶ó ÇÑ´Ù.

±×¸² 1 ¿¡¼­ ´º·± Àº ¿¬°á°­µµ°¡ À̹ǷΠ´º·±¿¡ ÈïºÐ ½ÅÈ£¸¦ Àü´ÞÇÏÁö¸¸, ´º·± Àº ¿¬°á°­µµ°¡ À̹ǷΠ´º·±¿¡ ¾ïÁ¦ ½ÅÈ£¸¦ Àü´ÞÇÑ´Ù.

µû¶ó¼­, ´º·±ÀÇ °¡Áß ÀÔ·ÂÇÕ NET ´Â ´ÙÀ½°ú °°´Ù. .............. (¿Àâ¼® 1996)

term :

½Å°æ¸Á (Neural Network)   ÁöµµÇнÀ (Supervised Learning)   ¸ÆÄ÷°-ÇÇÃ÷ ¸ðµ¨ (McCulloch-Pitts Model)   Warren McCulloch   Walter Pitts

paper :

McCulloch, W. S. and Pitts, W. H. (1943). A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics, 5:115-133.

¸ÆÄ÷°-ÇÇÃ÷ (McCulloch-Pitts) ´º·± : ±è´ë¼ö

McCulloch-Pitts ¸ðµ¨ : ¿Àâ¼®

site :

McCullich-Pitts Neuron Applet : 1943 ³â¿¡ ¹ßÇ¥µÈ ÃÖÃÊÀÇ computational model for an artificial neuron ÀÌ´Ù. ÀÌ ¸ðµ¨°ú Artificial Neuron model »çÀÌÀÇ ÁÖ¿äÇÑ Â÷ÀÌÁ¡Àº absolute inhibitory input ¸¦ »ç¿ëÇÑ´Ù´Â °ÍÀÌ´Ù. ÀÌ ´º·±Àº nonmonotonic logic functions À» ±¸ÇöÇÒ¼ö ÀÖ´Ù. ... ÀԷ°ú Ãâ·ÂÀº binary (1 ¶Ç´Â 0) À̸ç, ¾î¶°ÇÑ °¡ÁßÄ¡µµ ÁÖ¾îÁöÁö ¾Ê°í, È°¼ºÈ­ ÇÔ¼ö´Â Ç×»ó unit step function ÀÌ´Ù.