15. 생물학적 뉴런의 기능과 인공 뉴런 비교

 

1. 입력과 가중치

• 생물학적 뉴런: 수많은 다른 뉴런의 신호가 가지돌기(수상돌기)를 통해 들어오며, 각 연결부위(시냅스)의 “강도(가중)”에 따라 영향력이 달라짐
• 인공 뉴런: 입력 벡터 x=[x1,x2,…,xn]와 대응하는 가중치 벡터 w=[w1,w2,…,wn]를 가짐
• 비유: wi는 생물학적 시냅스 강도에 해당

2. 합산 (Summation)

• 생물학적 뉴런: 세포체에서 모든 시냅스 후 전위가 합쳐져 막 전위가 결정됨
• 인공 뉴런:

로, 입력값과 가중치를 곱한 뒤 모두 더해 단일 스칼라 값 zz를 얻음

3. 활성화 함수 (Activation)

• 생물학적 뉴런: 막 전위가 임계치(threshold)를 넘으면 일종의 ‘발화(spike)’ 신호를 축삭(axon)을 통해 멀리 전달
• 인공 뉴런: z에 비선형 함수를 적용하여 출력값을 계산
  • 계단 함수(Step): ϕ(z)=1 (발화) 또는 0 (비발화)
  • 시그모이드(Sigmoid): ϕ(z)=11+e−z\phi(z)
  • ReLU: ϕ(z)=max⁡(0, z)

4. 출력

• 생물학적 뉴런: 축삭을 통해 전기 신호(액션 포텐셜)가 다음 뉴런으로 전달
• 인공 뉴런:y=ϕ(z) 이 값을 다음 층의 뉴런 입력으로 사용

---

인공 뉴런 요약 다이어그램

입력 x₁ ─┐
         ▼
       [× w₁]  
입력 x₂ ─┐      Σ(z) ──▶ φ(z) ── 출력 y
       [× w₂]  
   …    …
입력 xₙ ─┐
       [× wₙ]

1. 각 입력 xi에 가중치 wi를 곱한다.
2. 곱셈 결과를 모두 더해 z를 계산한다.
3. 비선형 활성화 함수 ϕ(z)를 적용한다.
4. 최종 출력 y=ϕ(z)를 얻는다.

이렇게 생물학적 뉴런의 구조·기능을 단순화하여 만든 인공 뉴런을 여러 개 연결하면 “신경망(Neural Network)”이 되며, 이를 통해 이미지 인식·자연어 처리·추천 시스템 등 다양한 문제를 풀 수 있습니다.