심층 신경망: 데이터 전이와 접힘

1단계. 기초 전이 시각화 (z = wx + b → a = σ(z))

첫 번째 그래프에서 마우스를 움직여 결과값(z)이 다음 함수의 입력(x축)으로 전달되는 과정을 확인하세요.

기울기(W): 절편(B): 함수:

① 선형 z = wx + b

② 활성화 a = σ(z)

③ 결과 y = σ(wx + b)

공통 활성화 함수: 결과 이동 (Output Bias):

개별 유닛 출력

합성된 결과 Σ σ(wx+b) + Bias

2단계의 신호가 다시 비선형 함수를 만날 때 발생하는 접힘(Folding) 효과를 관찰하세요.

입력 (2단계 결과)

최종 변형 결과 (Folding)