[PERCEPRON] LOGIC GATES - 개념 설명

 

[Back ground]

 

뉴런의 사용여부에 따라 ML 과  DL 이 달라진다.

 

ML : 뉴런 x

DL : 뉴런 o, ex) chat Gpt, 추천 알고리즘, 클로바 노트, 자동자막 생성

 

[논리 회로를 왜 공부해야하는가?] - https://kangdy25.tistory.com/55

요약 : 

 

프로그래밍 언어 - 기계어 | 여기서 부터 하드웨어 - 논리회로 레벨 - 전자 소자 레벨 - 소재 레벨 

 

 

컴퓨터 내부에서 수행되는 "기계어"는 2진수 형태입니다. 그러나 프로그래머가 기계어를 직접 다루는 것은 너무 어렵고 힘들기에 "고급 프로그래밍 언어(High-Level)"를 사용한다.

 

 즉, 고급 프로그래밍 언어는 사람에게 적합한 언어이고 기계어는 컴퓨터에게 적합한 언어입니다. 

그렇다면 여기서 궁금증이 하나 생길 수 있다. "기계어가 컴퓨터에게 적합한 언어라면 기계어의 밑에는 무엇이 있을까" 

이 질문은 논리 회로를 공부하기 위해 반드시 던져봐야 하는 질문이다.

 

 

기본적으로, 전기 신호의 전압을 이용해 전압이 5V이면 1, 전압이 0V이면 0으로 표현하면, 전기 신호로 0과 1이 표현 가능합니다. 컴퓨터에서 전기 신호에 따라 가장 기본적인 연산을 하는 전자 소자를 "게이트"라고 합니다. 게이트는 하나 이상의 입력을 받아 하나 이상의 출력 신호를 생성합니다. 게이트가 모여 회로를 이루며, 회로가 모여 컴퓨터가 완성됩니다.

 

 

 

 

What's Perceptron

-  뇌를 수학적으로 모방할 때 사용되는 함수 중 , 일부로 입력에 각각 weight를 곱하고, bias를 더한 연산을 하는 함수

- 딥러닝에 가장 기초적인 구조 

 

 

출처 : 양정은 강사님 강의자료

 

- Weight : 입력에 따른 중요도 

- Bias :  뉴런의 활성도에 어떤 임계의 값

 

 

위의 식을 변형하게 되면,

Y = 

- x1w1 + x2w2 - Ø >  0

- x1w1 + x2w2 - 0 <= 0

 

특정 임계값을 넘어야지 뉴런이 활성화 된다.

bias는 임계값 ø와 연관이 있다, 따라서 뉴런의 활성도와 연관이 있다.

 

우리의 목표는 모델 학습에 도움이 되는 적절한 wight, bias 를 찾는 것이다.

 

 

출처 https://towardsdatascience.com/the-mostly-complete-chart-of-neural-networks-explained-3fb6f2367464

 

2번쨰 그림의 경우는 우리가 핸드폰에서 파일을 올리고 내릴떄 자동으로 인코딩 되는 것으로 생각하면 된다.

picture.2 : (압축: Encoder -> 복원 : Decoder)

 

 

논리게이트

 

- 퍼셉트론의  동작원리를 이해하기 위해 컴퓨터 공학에서 사용하는 논리 게이트를 이용할 것 

 

- 논리 게이트는 컴퓨터를 이루는 가장 작은 소자이며, Boolean value를 입출력으로 가진다.

논리 게이트의 종류로는 NOT gate, AND gate, OR gate, XOR gate 가 있으며,

AND, OR, XOR gate에 NOT gate를 추가한 NAND, NORm XNOR gate가 있다.