Feed Forward Model

I. Feed Forward Model의 개요

가. Feed Forward Model(전방 전달 신경망)의 정의

   - 입력층으로 데이터가 입력되고, 1개 이상으로 구성되는 은닉층을 거쳐서 마지막에 있는 출력층으로 출력 값을 내보내는 과정

나. Feed Forward Model의 유형

   - Feedback Control, Feed Forward Control

---

II. Feed Forward Model의 구성도 및 구성요소

가. Feed Forward Model의 구성도

- Feed Forward Model은 다른 신경망과 달리 출력된 정보가 다시 Input 되는 순환 Cycle 존재 없이 한 방향으로 전달

나. Feed Forward Model의 구성요소

구성요소	설명
Input Layer	- 입력 변수 대응 마디로써 학습을 위한 기초 데이터 입력
Hidden Layer	- 입력층과 출력층 사이에 존재하며 활성화 함수에 의해 정보를 학습하고 전파 낮은 층위의 특징은 단순하고 구체적이며 높은 층 위의 특징은 더욱 복잡하고 추상적 특징의 학습
	Weight	- 활성화 함수의 입력 값으로 사용되는 뉴런 간의 연결 계수
	Activation Function	- 임계 값을 이용하여 뉴런의 활성화 여부를 결정하는 함수
Output Layer	- 학습 결과값을 출력하는 계층
Chain Rule	- 각 뉴런에서 발생한 에러가 전파되어 최종 에러의 변화
Back Propagation	- 출력값과 목표값의 오차를 통해 각 뉴런의 연결강도를 조절, 학습하는 알고리즘