Introduction

이 과정은 신경망인 Perceptron을 참고하면 더 이해가 잘된다.

순전파forward propagation란 입력 데이터에 대해 신경망 구조를 따라가면서 현재의 파라미터값들을 이용해 손실 함숫값을 계산하는 과정을 말한다.[1]

  1. $W$값들을 통해 $\hat{y}$ 값을 얻는다.
  2. Loss Function을 통해 실제 레이블 $y$와 예측 레이블 $\hat{y}$값을 비교한다.


First Step of Forward propagation

$n$ is number of True labels
\[\hat{y} = \sum_{i=1}^{n} W_{i} \cdot x_{i}\]

Second Step of Forward propagation

대표적인 Loss Function : MSE, Cross Entropy, $\cdots$

$m$ is number of Features
\[MSE(\hat{y}) = \frac{1}{m}\sum_{i=1}^{m}(y - \hat{y}_{i})^{2}\]

두 label값의 차이를 구하는데, $W$가 잘 맞을 수록 두 값의 차이가 작아진다.


Reference

1. 1.6 경사하강법과 역전파 59p, 윤덕호, 파이썬 날코딩으로 알고 짜는 딥러닝, 한빛미디어(주)