신경망에서의 함수 표현

독립변수와 종속변수

$y = f(x)$를 예시로 들어본다.

• 독립변수($x$): 독립적으로 변할 수 있는 변수이다. 함수에 우리가 마음대로 넣을 수 있는 입력값을 의미
• 종속변수($y$): 독립변수에 의해 그 값이 종속되어 결정되어지는 값이다.

---

딥러닝의 기본 뼈대

딥러닝에서는 기본적으로 $y = f(x)$를 아래와 같이 사용을 한다.

• 입력 데이터($x$): 딥러닝 모델에 학습시키거나 판단을 맡기기 위해서 넣어주는 정보.
• 모델($f$): 사람이 설계한 모델(인공신경망)이다.
• 예측값($\hat{y}$): 모델이 입력 데이터 $x$를 분석해서 내놓은 output값이다. 원래의 정답인 $y$와 구분하기 위해 $\hat{y}$로 쓴다.

---

딥러닝의 핵심 파라미터

$y = wx + b$

• $w$와 $b$가 딥러닝 모델이 학습을 통해 스스로 찾아내야 하는 파라미터(Parameter)이다.

Weight, $w$

• 수학에서의 기울기에 해당된다.
• $w$값이 크면 입력값이 조금만 변해도 결과가 크게 요동치고, $w$가 0에 가까우면 그 입력값은 결과에 거의 영향을 주지 못한다.
• 결과적으로 입력 데이터x와 결과값y에 얼마나 많은 영향을 미치는지를 결정한다.

Bios, $b$

• 입력값 $x$ 가 0일 때 기본적으로 출력하는 기준점이다. 데이터의 영향이 전혀 없을때도 모델이 어느 정도의 위치에서 결과를 낼지 중심을 잡아주는 역할을 한다.