COURSE
4
PROGRESS
2 / 7
단원 데이터 구조화: AI 전처리 17 데이터의 규칙: 예측 로직 14 옷의 시너스: 판단 로직 1 예와 아니오: 판단 로직 6 닮은꼴 찾기: 관계 로직 7 최적의 경로: 강화 로직 7 층층이 지능: 신경망 로직 7 전체 목록
이전 문제 다음 문제

인공 뉴런: 퍼셉트론의 구조

40 P
QUESTION 02 #360
신경망의 가장 기초 단위인 퍼셉트론은 여러 입력값에 가중치를 곱하고 편향을 더해 결과를 냅니다. 이 합산 과정을 코드로 완성하세요.
main.py 
def artificial_neuron(inputs, weights, bias):
    # 입력값과 가중치를 각각 곱하여 합산(Dot Product)
    total = 0
    for i in range(len(inputs)):
        total += inputs[i] * 
    
    # 최종 결과에 편향(bias)을 더함
    return total  bias

x = [1, 0.5]
w = [0.8, -0.2]
b = 0.1

output = artificial_neuron(x, w, b)
print(f"뉴런 출력값: {output}")
실행 결과 예시 
weights[i], +
INTERACTIVE SHELL Shift + Enter 로 즉시 실행

🧠 우리 뇌의 복사본: 퍼셉트론

인공 신경망은 생물학적 뇌의 뉴런이 신호를 전달하는 방식을 흉내 냅니다.

  • 가중치($w$): 시냅스의 연결 강도를 의미합니다. 강한 신호는 크게 받아들이고 약한 신호는 무시합니다.
  • 편향($b$): 뉴런이 얼마나 쉽게 흥분(활성화)되는지를 조절하는 민감도입니다.

이 단순한 수식($sum wx + b$)이 수천, 수만 개 연결되어 인간처럼 사고하는 거대한 AI가 탄생합니다.