Multilayer perceptron Àº ÀÔ·ÂÃþ°ú Ãâ·ÂÃþ »çÀÌ¿¡ Çϳª ÀÌ»óÀÇ Áß°£ÃþÀÌ Á¸ÀçÇÏ´Â ½Å°æ¸ÁÀ¸·Î ´ÙÀ½ ±×¸²¿¡ ³ªÅ¸³½ °Í°ú °°Àº °èÃþ±¸Á¶¸¦ °®´Â´Ù. ÀÌ ¶§ ÀÔ·ÂÃþ°ú Ãâ·ÂÃþ »çÀÌÀÇ Áß°£ÃþÀ» Àº´ÐÃþ (hidden layer) À̶ó ºÎ¸¥´Ù. ³×Æ®¿öÅ©´Â ÀÔ·ÂÃþ, Àº´ÐÃþ, Ãâ·ÂÃþ ¹æÇâÀ¸·Î ¿¬°áµÇ¾î ÀÖÀ¸¸ç, °¢ Ãþ³»ÀÇ ¿¬°á°ú Ãâ·ÂÃþ¿¡¼­ ÀÔ·ÂÃþÀ¸·ÎÀÇ Á÷Á¢ÀûÀÎ ¿¬°áÀº Á¸ÀçÇÏÁö ¾Ê´Â Àü¹æÇâ (Feedforward) ³×Æ®¿öÅ©ÀÌ´Ù.

´ÙÃþ ÆÛ¼ÁÆ®·ÐÀÇ ±¸Á¶

Multilayer perceptron Àº ´ÜÃþ perceptron °ú À¯»çÇÑ ±¸Á¶¸¦ °¡Áö°í ÀÖÁö¸¸ Áß°£Ãþ°ú °¢ unit ÀÇ ÀÔÃâ·Â Ư¼ºÀ» ºñ¼±ÇüÀ¸·Î ÇÔÀ¸·Î½á ³×Æ®¿öÅ©ÀÇ ´É·ÂÀ» Çâ»ó½ÃÄÑ ´ÜÃþ ÆÛ¼ÁÆ®·Ð (Perceptron) ÀÇ ¿©·¯ °¡Áö ´ÜÁ¡µéÀ» ±Øº¹Çß´Ù. Multi layer perceptron Àº ÃþÀÇ °¹¼ö°¡ Áõ°¡ÇÒ¼ö·Ï perceptron ÀÌ Çü¼ºÇÏ´Â °áÁ¤ ±¸¿ªÀÇ Æ¯¼ºÀº ´õ¿í °í±ÞÈ­µÈ´Ù. Áï ´ÜÃþÀÏ °æ¿ì ÆÐÅÏ°ø°£À» µÎ ±¸¿ªÀ¸·Î ³ª´©¾îÁÖ°í, 2 ÃþÀÎ °æ¿ì º¼·ÏÇÑ (convex) °³±¸¿ª ¶Ç´Â ¿À¸ñÇÑ Æ󱸿ªÀ» Çü¼ºÇϸç, 3 ÃþÀÎ °æ¿ì¿¡´Â À̷лó ¾î¶°ÇÑ ÇüÅÂÀÇ ±¸¿ªµµ Çü¼ºÇÒ ¼ö ÀÖ´Ù.

....... Áö±Ý±îÁö´Â ÁÖ·Î °è´ÜÇü (hard limiting) ÀÇ ºñ¼±Çü (noolinear) È°¼ºÇÔ¼ö¸¦ »ç¿ëÇÏ°í Ãâ·Â unit °¡ ÇϳªÀÎ multilayer perceptron ¿¡ ´ëÇÏ¿© ³íÀÇÇÏ¿´´Âµ¥ ÀÌ¿Í ºñ½ÁÇÑ °á°ú°¡ ½Ã±×¸ðÀÌµå ºñ¼±Çü È°¼ºÇÔ¼ö¸¦ Àû¿ëÇÑ ÇÑ °³ ÀÌ»óÀÇ Ãâ·Â unit ¸¦ °¡Áø ³×Æ®¿öÅ©¿¡µµ ³ªÅ¸³­´Ù. ½Ã±×¸ðÀÌµå ºñ¼±Çü È°¼ºÇÔ¼ö¸¦ Àû¿ëÇÒ °æ¿ì °áÁ¤ ¿µ¿ªÀÌ Åë»ó Á÷¼±ÀÌ ¾Æ´Ñ ¿Ï¸¸ÇÑ °î¼±À¸·Î °æ°èÁö¿öÁö¹Ç·Î ÇàÀ§ÀÇ ºÐ¼®ÀÌ ¾à°£ º¹ÀâÇÏÁö¸¸ ¹ÌºÐÀÌ °¡´ÉÇϹǷΠ¿ÀÈ÷·Á Àº´ÐÃþÀ» ÇнÀÇÒ ¼ö ÀÖ´Â Backpropagation ÇнÀ ¾Ë°í¸®ÁòÀ» ¼öÇàÇÒ ¼ö ÀÖ´Ù. ´ëºÎºÐÀÇ multilayer perceptron Àº ¿ªÀüÆÄ (Back-propagation) ÇнÀ ¾Ë°í¸®ÁòÀ» »ç¿ëÇÏ¿© ÇнÀ½Ãų ¼ö ÀÖ´Ù.

ÀϹÝÀûÀÎ multilayer perceptron ÀÇ ÇнÀ¹æ¹ýÀº ´ÙÀ½°ú °°´Ù. ÀÔ·ÂÃþÀÇ °¢ unit ¿¡ ÀÔ·Â µ¥ÀÌÅ͸¦ Á¦½ÃÇϸé ÀÌ ½ÅÈ£´Â °¢ unit¿¡¼­ º¯È¯µÇ¾î Áß°£Ãþ¿¡ Àü´ÞµÇ°í ÃÖÁ¾ÀûÀ¸·Î Ãâ·ÂÃþÀ¸·Î ³ª¿À°Ô µÈ´Ù. ÀÌ Ãâ·Â°ª°ú ¿øÇÏ´Â Ãâ·Â°ªÀ» ºñ±³ÇÏ¿© ±× Â÷À̸¦ °¨¼Ò½ÃÅ°´Â ¹æÇâÀ¸·Î ¿¬°á°­µµ¸¦ Á¶Á¤ÇÏ´Â °ÍÀÌ´Ù. ±×·¯³ª Áß°£ÃþÀÌ ÀÖÀ¸¸é ÇнÀÀº ¾î·Á¿ö Áø´Ù. ¿Ö³ÄÇÏ¸é ¾î¶² ¿¬°á°­µµ°¡ ¿ÀÂ÷¸¦ À¯¹ß ½ÃÅ°´ÂÁö ¾Ë ¼ö ¾ø±â ¶§¹®ÀÌ´Ù. ............. (±è´ë¼ö 1992)

´ÜÃþ, 2Ãþ, 3Ãþ perceptron µéÀÇ ±¸Á¶¿Í °áÁ¤ ±¸¿ªÀ» ³ªÅ¸³»¾ú´Ù. ÀÌ ±×¸²¿¡¼­ µÎ ¹ø° ¿­Àº °¢ ³×Æ®¿öÅ©°¡ Çü¼ºÇÏ´Â °áÁ¤ ±¸¿ªÀ» ³ªÅ¸³»°í ´ÙÀ½ µÎ °³ÀÇ ¿­Àº Exclusive-or ¿Í mesh ±¸¿ª ¹®Á¦¿¡ ´ëÇÑ °áÁ¤ ±¸¿ªÀ» ¿¹½ÃÇÑ´Ù. ±×¸®°í ¸Ç ¿À¸¥ÂÊ ¿¶Àº ÀϹÝÀûÀÎ °áÁ¤ ±¸¿ªÀ» ¿¹½ÃÇÑ´Ù............. (´ÙÃþÀνÄÀÚ)

term :

½Å°æ¸Á (Neural Network)   ÆÛ¼ÁÆ®·Ð (Perceptron)   ´ÙÃþ ÆÛ¼ÁÆ®·Ð (Multilayer Perceptron)   ÁöµµÇнÀ (Supervised Learning)

paper :

´ÙÃþ ÆÛ¼ÁÆ®·Ð : ±è´ë¼ö

´ÙÃþ½Å°æ¸ÁÀ» ÀÌ¿ëÇÑ ¾ó±¼°Ë»ö ¾Ë°í¸®Áò (The Facial Image Searching Algorithm using Multi-Layer Neural Networks) : ¹Úö¿õ, ÀÌÀιü, À̺´¿ë, ¹Ú¼öºÀ, Çѱ¹¸ÖƼ¹Ìµð¾îÇÐȸ, 1999

´ÙÃþ ½Å°æ¸ÁÀ» ÀÌ¿ëÇÑ ºñÁ᫐ F ºÐÆ÷ È®·ü°è»ê (Computation of Noncentral F Probabilities using multilayer neural network) : ±¸¼±Èñ, Çѱ¹Á¤º¸Ã³¸®ÇÐȸ, 2002

site :

´ÙÃþÀνÄÀÚ : ÀÚµ¿È­±â¼ú¿¬±¸¼¾Å¸ : CEM Tool, Neural Network Toolbox