As we said earlier, neurons are very simple processing units. Having discussed linear and logistic regression in Chapter 4, the essential technical details of neural networks can be seen as slight variations of the same idea.
앞에서 언급했듯이 뉴런은 아주 간단한 처리장치입니다. 챕터 4에서 논의한 선형 및 로지스틱 회기에 이어서, 신경망의 필수 기술적인 세부사항은 같은 아이디어 선상의 약간의 변형으로 볼 수 있습니다.
<aside> 💡 Weights and inputs The basic artificial neuron model involves a set of adaptive parameters, called weights like in linear and logistic regression. Just like in regression, these weights are used as multipliers on the inputs of the neuron, which are added up. The sum of the weights times the inputs is called the linear combination of the inputs. You can probably recall the shopping bill analogy: you multiply the amount of each item by its price per unit and add up to get the total.
</aside>
<aside> 💡 가중치와 입력(웨이트와 인풋) 기본적인 뉴런 모델은 가중치라고 하는 일련의 적응 매개 변수를 포함합니다. 회귀와 마찬가지로 이러한 가중치는 합산된 뉴런의 인풋에 승수로 사용됩니다. 입력에 가중치를 곱한 값의 합을 입력의 선형조합이라고 합니다. 당신은 아마도 쇼핑 청구서의 비류를 기억할 수 있을텐데요: 각 아이템의 수량에 단위당 가격을 곱하고 합산하여 합계를 얻습니다.
</aside>
If we have a neuron with six inputs (analogous to the amounts of the six shopping items: potatoes, carrots, and so on), input1, input2, input3, input4, input5, and input6, we also need six weights. The weights are analogous to the prices of the items. We’ll call them weight1, weight2, weight3, weight4, weight5, and weight6. In addition, we’ll usually want to include an intercept term like we did in linear regression. This can be thought of as a fixed additional charge due to processing a credit card payment, for example.
만약 우리에서 6개의 인풋이 있는 뉴런이 있다면(유사하게는 구매 목록의 합계: 감자, 당근 등), 입력1, 입력2, 입력3, 입력4, 입력5, 그리고 입력6, 우리는 또한 6개의 가중치가 필요합니다. 이 가중치들은 구매 목록의 가격과 유사합니다. 우리는 이를 가중치1, 가중치2, 가중치3, 가중치4, 가중치5, 가중치 5으로 부릅니다. 이에 더하여, 우리는 보통 선형 회귀 분석에서와 마찬가지로 절편항을 포함합니다. 이는 마치 신용 카드 결제로 인해 고정 금액이 추가로 부과되는 것으로 생각해볼 수 있습니다.
We can then calculate the linear combination like this: linear combination = intercept + weight1 × input1 + ... + weight6 × input6 (where the ... is a shorthand notation meaning that the sum include all the terms from 1 to 6).
그렇다면 우리는 선형 조합을 다음과 같이 계산할 수 있습니다 = 절편 + 가중치1 × 입력1 + ... + 가중치6 × 입력6 (여기서 ...은 약식 표기법으로 1부터 6까지의 모든 항의 합을 의미합니다.)
With some example numbers we could then get:
예시 숫자들로 우리가 얻을 수 있는 것은 다음과 같습니다:
In this exercise, consider the following expression that has both weights and inputs: 10.0 + 5.4 × 8 + (-10.2) × 5 + (-0.1) × 22 + 101.4 × (-5) + 0.0 × 2 + 12.0 × (-3) = -543.0
What is the intercept term in the expression?
What are the inputs?