Weighted Sum
가중합
Weighted Sum(가중합)은 신경망이 입력을 내부 표현으로 바꾸는 과정의 핵심 구성요소입니다. 개별 계산이 Layer와 Network로 확장되는 흐름 속에서 이해합니다.
WHY SHOULD I KNOW THIS?
왜 알아야 하나?
딥러닝의 Forward 계산을 구성하는 핵심 요소입니다. 이 구조를 이해해야 Loss와 Backpropagation에서 어떤 값이 왜 바뀌는지 추적할 수 있습니다.
WHERE IS IT USED?
어디에 사용되나?
Neural NetworkForward PropagationDeep Learning후속 학습 구조
DEEP LEARNING
NEURAL SIGNAL
z = xw+b = 1.06
ReLU(z) = 1.06
신호가 뉴런을 통과하며 어떻게 변하는지 확인하세요.
ReLU(z) = 1.06
신호가 뉴런을 통과하며 어떻게 변하는지 확인하세요.
INTERACTIVE CONCEPT LABNEURAL SIGNAL LAB
CURRENT STAGE1 / 6 · Input
Weighted Sum
노드를 클릭하거나 PLAY FLOW를 눌러 정보가 어떻게 이동하는지 단계별로 확인하세요. 슬라이더는 시각적 영향도를 조절합니다.
이 Topic에서 알아야 할 핵심
✓Weighted Sum
✓가중합
✓입력 → 변환 → 출력
✓Neuron과 Layer의 연결
이해 확인 질문
Q1가중합은 신경망의 어느 위치에서 동작하는가?
Q2Weighted Sum의 입력과 출력은 무엇인가?
Q3값이나 구조를 바꾸면 Forward 결과는 어떻게 달라지는가?
CATEGORY
DEEP LEARNING FOUNDATION뉴런에서 네트워크까지 딥러닝의 계산 구조를 단계적으로 이해합니다.
CURRENT PATH
06.07 Weighted Sum이 Topic의 위치와 앞뒤 순서를 항상 Curriculum 기준으로 유지합니다.