한국어
메뉴

머신러닝의 기초

입력층과 출력층만으로 이루어진 단순 퍼셉트론(임계값으로 0 또는 1을 출력하는 하나의 뉴런)으로 나타낼 수 없는 논리 함수는?

  1. AXOR
  2. BAND
  3. COR
정답과 해설 보기

정답: A. XOR

단순 퍼셉트론은 입력의 가중합이 임계값을 넘는지 아닌지로 출력을 정하므로, 입력 공간을 1개의 직선(초평면)으로 둘로 나누는 것밖에 할 수 없습니다. AND와 OR은 출력이 1인 점과 0인 점을 직선으로 나눌 수 있지만, XOR은 (0, 1)과 (1, 0)이 1, (0, 0)과 (1, 1)이 0이어서 1개의 직선으로는 나눌 수 없습니다. 사이에 은닉층을 추가하고 비선형 활성화 함수를 사용하는 다층 퍼셉트론으로 하면 XOR도 나타낼 수 있습니다.

이 분야 연습하기 분야로 돌아가기

머신러닝의 기초의 다른 문제

  1. 3클래스 분류에서 소프트맥스 함수에 입력하는 값(로짓)이 3, 1, 0이었다. 1번째 클래스의 출력(확률)은 2번째 클래스 출력의 약 몇 배인가? 가장 가까운 것은?
  2. 입력이 x₁ = 1, x₂ = 2인 작은 신경망에서 은닉층의 두 뉴런이 h₁ = ReLU(x₁ + x₂ − 1), h₂ = ReLU(x₁ − 2x₂ + 1)이고, 출력이 y = 2h₁ + 3h₂ + 1이다. y의 값은?
  3. 정답 클래스에 대해 모델이 출력한 확률을 p라고 할 때, 분류 학습에서 사용하는 교차 엔트로피 손실 −log p의 성질로 적절한 것은?
  4. 경사 하강법에서 가중치 w = 2.0에서의 손실의 기울기 ∂L/∂w가 0.5, 학습률이 0.1일 때, 1회 갱신 후의 가중치는?
  5. y = (2x + 1)²의 x = 1에서의 미분 계수 dy/dx를 u = 2x + 1, y = u²로 두고 연쇄 법칙으로 구할 때, 올바른 값은?