# 인공 뉴런 (Artificial Neuron)의 구조와 작동 원리

인공 신경망(Artificial Neural Network, ANN)은 인간의 신경계에서 영감을 받아 설계된 계산 모델이다. 뉴런(neuron)으로 불리는 기본 단위로 구성되며 각 뉴런은 입력 값의 가중치(weighted sum)를 계산한 후 활성화 함수(activation function)를 적용하여 출력 값을 생성한다. 이 뉴런들은 층(layer)으로 배열되며, 보통 입력층(input layer), 은닉층(hidden layer), 출력층(output layer)으로 구성된다.

* 입력층은 외부 데이터를 신경망에 입력하는 역할을 하고,
* 은닉층은 입력층에서 받은 정보를 처리하여 더 높은 수준의 특징을 추출한다.
* 마지막으로 출력층은 예측값 또는 분류 결과를 생성한다.

### 가중치와 바이어스

각 뉴런은 입력 값을 받아들일 때, 해당 입력 값에 특정 가중치(Weight)를 부여한다. 이 가중치는 학습 과정에서 조정되며, 신경망이 입력과 출력 사이의 관계를 학습하는 데 중요한 역할을 한다. 바이어스(Bias)는 뉴런이 항상 일정한 값을 더하는 데 사용되며, 모델이 더 유연하게 학습할 수 있도록 돕는다.

가중치와 바이어스의 초기값은 무작위로 설정되며, 학습 과정에서 점진적으로 조정된다. 이 조정은 오류 역전파(Backpropagation) 알고리즘을 통해 이루어진다.

수학적으로, 각 뉴런의 출력은 다음과 같이 표현된다:

$$
y = f\left(\sum\_{i=1}^{n} w\_i x\_i + b\right)
$$

여기서 $ x\_i $는 입력 값, $ w\_i $는 가중치, $ b $는 바이어스(bias), $ f $는 활성화 함수이다.

***

관련 자료:

* Goodfellow, I., Bengio, Y., & Courville, A. (2016). *Deep Learning*. MIT Press.
* LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. *Nature*, 521(7553), 436-444.
* Bishop, C. M. (2006). *Pattern Recognition and Machine Learning*. Springer.