월터 피츠 편집하기
최신판 | 당신의 편집 | ||
19번째 줄: | 19번째 줄: | ||
== 주요활동 == | == 주요활동 == | ||
=== 딥러닝의 시초 === | === 딥러닝의 시초 === | ||
− | 근대 신경망에 대한 연구는 1943년 맥컬록과 피츠의 논문 "신경 활동에 있어서 관념의 논리적 미적분"으로부터 시작되었다. 각 신경세포(neuron)의 기능은 매우 단순하나, 이들이 상호 연결됨으로써 복잡한 계산을 수행하는 신경 시스템의 기초를 마련한 이 논문에서, 현대 컴퓨터의 기반을 이루는 모든 | + | 근대 신경망에 대한 연구는 1943년 맥컬록과 피츠의 논문 "신경 활동에 있어서 관념의 논리적 미적분"으로부터 시작되었다. 각 신경세포(neuron)의 기능은 매우 단순하나, 이들이 상호 연결됨으로써 복잡한 계산을 수행하는 신경 시스템의 기초를 마련한 이 논문에서, 현대 컴퓨터의 기반을 이루는 모든 불리언 논리 표현은 2진 출력을 하는 맥컬록-피츠 신경세포로 구현 가능함을 보여줬다. |
맥컬록- 피츠 모델이 발표되고 15년 후, '퍼셉트론'이라는 개념으로 이어지고, 퍼셉트론이 뉴럴 [[네트워크]]로, 뉴럴 네트워크는 딥러닝으로 발전했다. 피츠의 논문을 건너뛰고 15년이나 뒤에 나온 퍼셉트론을 [[딥러닝]]의 시작으로 보는 시각도 있는데, 이는 그의 모델이 학습하지 않기 때문이다. 하지만 피츠의 2진법 논리 회로 모델을 가져와서 발전시킨 것이 퍼셉트론이라면, 딥러닝의 기원은 맥컬록-피츠의 논문이 되어야 한다고 생각하는 시각도 있다.<ref>산골 딱다구리,〈[https://blog.naver.com/bhjang3/221810219761 빈곤에서 피어난 꽃, 빈곤 속에 지다... 인공 지능. 인공 신경망(Deep Learning)의 최초 개척자 월터 핏츠(Walter Pitts 1923~1969)]〉, 《네이버 블로그》, 2020-02-15</ref> | 맥컬록- 피츠 모델이 발표되고 15년 후, '퍼셉트론'이라는 개념으로 이어지고, 퍼셉트론이 뉴럴 [[네트워크]]로, 뉴럴 네트워크는 딥러닝으로 발전했다. 피츠의 논문을 건너뛰고 15년이나 뒤에 나온 퍼셉트론을 [[딥러닝]]의 시작으로 보는 시각도 있는데, 이는 그의 모델이 학습하지 않기 때문이다. 하지만 피츠의 2진법 논리 회로 모델을 가져와서 발전시킨 것이 퍼셉트론이라면, 딥러닝의 기원은 맥컬록-피츠의 논문이 되어야 한다고 생각하는 시각도 있다.<ref>산골 딱다구리,〈[https://blog.naver.com/bhjang3/221810219761 빈곤에서 피어난 꽃, 빈곤 속에 지다... 인공 지능. 인공 신경망(Deep Learning)의 최초 개척자 월터 핏츠(Walter Pitts 1923~1969)]〉, 《네이버 블로그》, 2020-02-15</ref> | ||
47번째 줄: | 47번째 줄: | ||
[[파일:맥컬록-피츠 설명.jpg|썸네일|350픽셀|맥컬록-피츠 네트워크 그림]] | [[파일:맥컬록-피츠 설명.jpg|썸네일|350픽셀|맥컬록-피츠 네트워크 그림]] | ||
− | 맥컬록-피츠 모델은 두 부분으로 나뉜다. 첫번째 부분인 g는 입력을 받고, 집계를 수행하며, 집계된 값에 기초하여 두번째 부분인 f가 결정을 내린다. 예시를 하나 들어보자. TV에서 무작위 축구 경기를 볼지 말지, 나 자신의 결정을 예측하고 싶다고 가정해 보자. 입력은 모두 {0,1} 즉, | + | 맥컬록-피츠 모델은 두 부분으로 나뉜다. 첫번째 부분인 g는 입력을 받고, 집계를 수행하며, 집계된 값에 기초하여 두번째 부분인 f가 결정을 내린다. 예시를 하나 들어보자. TV에서 무작위 축구 경기를 볼지 말지, 나 자신의 결정을 예측하고 싶다고 가정해 보자. 입력은 모두 {0,1} 즉, 불리언(Boolean)값이다. 출력 변수 역시 불린 값{0: 시청, 1: 미시청}이다. |
* <math>x_{1}</math>은 'isPremmierLeagueOn'. → 프리미어 리그가 더 좋다. | * <math>x_{1}</math>은 'isPremmierLeagueOn'. → 프리미어 리그가 더 좋다. |