3과목 데이터 분석데이터 마이닝신경망 (활성화·과적합)
인공신경망(Neural Network)에 대한 설명으로 옳은 것은?
- (a)활성화 함수(Activation Function)는 입력 신호의 가중합을 출력 신호로 변환한다정답
- (b)가중치(Weight)는 학습 중에 변하지 않는 고정값이다
- (c)신경망은 학습 과정이 없는 규칙 기반 알고리즘이다
- (d)은닉층(Hidden Layer)이 없는 신경망이 항상 더 복잡한 문제를 잘 푼다
핵심 개념
활성화함수는 비선형 변환. 시그모이드 0~1, ReLU는 음수→0. 과적합은 학습만 잘됩니다.
활성화함수: 가중합→비선형 출력
시그모이드: 0~1
ReLU: 음수→0, 양수 그대로
가중치(학습 중 갱신) / 은닉층(깊을수록 복잡)
과대적합(학습↑ 검증↓) vs 과소적합(둘 다↓)
함정: 활성화 출력 범위 혼동, 과대적합↔과소적합
예시: '학습 데이터엔 잘 맞지만 새 데이터 성능이 낮으면?' → 과대적합(Overfitting)
해설
활성화 함수는 뉴런으로 들어온 입력의 가중합을 비선형 출력으로 변환하여 신경망이 복잡한 패턴을 학습하게 합니다. 은닉층(d)이 많고 깊을수록 복잡한 문제를 다룰 수 있고, 신경망(c)은 학습을 통해 가중치를 조정하며, 가중치(b)는 학습 과정에서 오차를 줄이도록 계속 갱신됩니다.