[딥러닝]NAND, OR 게이트와 퍼셉트론 활용한 파이썬 코드 작성하는 방법, 인공지능 AI 초보 개발자
인공지능(AI)/딥러닝(DeepLearning) 2024. 12. 17. 19:19이전 포스팅에서 논리 회로 중 AND 게이트와 퍼셉트론(Perceptron)을 활용하는 방법에 대해 쉽게 설명했다.
아래 포스팅을 참조하면 된다.
2024.12.10 - [인공지능(AI)/딥러닝(DeepLearning)] - [딥러닝]인공지능 초보 개발자면 퍼셉트론과 AND 게이트 활용 방법은 알고 가자, 쉬운 설명.
[딥러닝]인공지능 초보 개발자면 퍼셉트론과 AND 게이트 활용 방법은 알고 가자, 쉬운 설명.
음식도 맛있고 양도 많은데 가격까지 저렴하다면 우리는 가성비가 좋다고 표현한다.음식과 가격 둘 다 만족해야 가성비라는 표현을 쓴다.이 중 하나라도 맘에 안들면 가성비가 좋다고 하지 않
tiboy.tistory.com
딥러닝을 공부하는 개발자라면 논리 연산이 AND 외 더 있다는 것을 알고 있다.
NAND, OR 그리고 XOR 게이트가 더 있다.
XOR 게이트는 인공지능에 한 걸음 더 나가가는 특별한 경우라 따로 설명하겠다.
AND 게이트와 퍼셉트론 활용에 이어 이번 포스팅은 NAND 게이트와 OR 게이트에 대해 쉽게 설명해 본다.
AI 개발자가 되기 위해 출발해 봅시다.
준비되었나요?
NAND 게이트와 퍼셉트론 활용
NAND는 무슨 의미일까?
낸드라고 읽는데 어디서 들어본 듯하다.
"낸드"로 검색하면 반도체 관련 뉴스를 볼 수 있다.
그 뉴스에서 "낸드플래시"라는 용어를 많이 볼 수 있는데 그 낸드가 NAND다.
NAND는 "Not AND"다.
"Not"이 붙은 의미는 반대라고 생각하자.
AND 게이트의 값을 반대로 출력한다.
AND 게이트 진리표를 표로 다시 확인해 보자.
| x1 | x2 | y |
| 0 | 0 | 0 |
| 1 | 0 | 0 |
| 0 | 1 | 0 |
| 1 | 1 | 1 |
NAND 게이트는 출력값이 반대로 나온다고 했다.
이제 NAND 게이트 진리표를 표로 정리해 보자.
| x1 | x2 | y |
| 0 | 0 | 1 |
| 1 | 0 | 1 |
| 0 | 1 | 1 |
| 1 | 1 | 0 |
x1과 x2가 하나 이상 0일 때 AND 게이트는 0이었지만 NAND는 1이다.
x1과 x2가 모두 1일 때 AND 게이트는 1이었지만 NAND는 0이다.
이제 가중치와 임계값을 정해보자.
(w1, w2, 𝞱)0 : x1w1 + x2w2 <= 𝞱 1: x1w1 + x2w2 > 𝞱
AND 게이트와 퍼셉트론에서 봤던 계산식과 기호들이다.
기억을 되살려보자.
w1 = 0.7, w2 = 0.3, 𝞱 = 0.9
AND 게이트의 x1, x2 값 (0, 0)인 경우부터 순서대로 식에 대입해 보자.
0 * 0.7 + 0 * 0.3 = 0 은 0.9보다 작거나 같은 조건이므로 (<=) 0.
1 * 0.7 + 0 * 0.3 = 0.7 은 0.9보다 작거나 같은 조건이므로 (<=) 0.
0 * 0.7 + 1 * 0.3 = 0.3 은 0.9보다 작거나 같은 조건이므로 (<=) 0.
1 * 0.7 + 1 * 0.3 = 1.0 은 0.9보다 크므로 (>) 1.
위 가중치와 임계값은 AND 게이트용이다.
NAND 출력값은 AND의 반대라고 했다.
위 가중치와 임계값에 마이너스 부호를 붙이면 NAND 게이트를 만족한다.
w1 = -0.7, w2 = -0.3, 𝞱 = -0.9
0 * -0.7 + 0 * -0.3 = 0 은 -0.9 보다 크므로 (>) 1.
1 * -0.7 + 0 * -0.3 = -0.7 은 -0.9 보다 크므로 (>) 1.
0 * -0.7 + 1 * -0.3 = -0.3 은 -0.9 보다 크므로 (>) 1.
1 * -0.7 + 1 * -0.3 = -1.0 은 -0.9보다 작거나 같은 조건이므로 (<=) 0.
OR 게이트와 퍼셉트론 활용
이제 OR 게이트도 같은 방식으로 알아보자.
우리말로 "또는, 둘 중 하나"로 해석하면 된다.
둘 중 하나 이상이 true(1) 면 1을 출력한다.
OR 게이트 진리표를 표로 정리해 보자.
| x1 | x2 | y |
| 0 | 0 | 0 |
| 1 | 0 | 1 |
| 0 | 1 | 1 |
| 1 | 1 | 1 |
x1과 x2가 둘 중 1개 이상 1일 때 OR는 1이다.
x1과 x2가 모두 0일 때 OR는 0이다.
OR 게이트 입력 매개변수는 다음처럼 설정하면 된다.
w1 = 0.7, w2 = 0.3, 𝞱 = 0.2 는 OR 게이트용 가중치와 임계값이다.
위 가중치와 임계값은 OR 게이트를 만족한다.
0 * 0.7 + 0 * 0.3 = 0 은 0.2 보다 작거나 같은 조건이므로 (<=) 0.
1 * 0.7 + 0 * 0.3 = 0.7 은 0.2 보다 크므로 (>) 1.
0 * 0.7 + 1 * 0.3 = 0.3 은 0.2 보다 크므로 (>) 1.
1 * 0.7 + 1 * 0.3 = 1.0 은 0.2 보다 크므로 (>) 1.
가중치와 임계값을 조정할 수 있다는 것을 알았다.
논리 회로, 퍼셉트론 활용을 파이썬으로 구현하는 방법
이론 이야기를 했으니 파이썬을 사용해서 직접 코딩해 보자.
아나콘다(파이썬)가 설치된 VSCode(Visual Studio Code)를 사용했다.
AND 게이트 함수 만들기
아래 코드를 살펴보자.
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
import numpy as np
def AndGate(x1, x2):
xn = np.array([x1, x2])
wn = np.array([0.7, 0.3])
theta = 0.9
sumData = np.sum(wn*xn)
if sumData <= theta:
return 0
else:
return 1
print(AndGate(0,0))
print(AndGate(1,0))
print(AndGate(0,1))
print(AndGate(1,1))
|
cs |
1번 라인은 numpy를 import 했다.
numpy 내부 함수 array와 sum을 사용할 것이다.
3번 라인에서 AndGate 함수를 선언했다. x1과 x2를 입력받는다.
4번 라인은 x1, x2를 numpy 내부 array함수에 세팅한다.
5번 라인은 w1, w2 값인 0.7, 0.3을 마찬가지로 내부 array 함수에 세팅한다.
6번은 theta( 𝞱)값을 0.9로 할당했다.
8번 라인은 4, 5번 라인 array 값들의 합을 sum 함수로 계산하고 sumData에 할당한다.
9번~ 12번은 sumData 값이 theta값보다 작거나 같으면(<=) 0 아니면 1을 출력한다.
16번부터 AND 게이트 입력값을 넣으면 같은 결과가 나온다.
결과 ( 0, 0, 0, 1)
NAND 게이트 함수 만들기.
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
import numpy as np
def NAND_GATE(x1, x2):
w1, w2, theta = -0.7, -0.3, -0.9
sumData = w1*x1 + w2*x2
if sumData <= theta:
return 0
elif sumData > theta:
return 1
print(NAND_GATE(0,0))
print(NAND_GATE(1,0))
print(NAND_GATE(0,1))
print(NAND_GATE(1,1))
|
cs |
4번 라인에 NAND 게이트 가중치와 임계값을 세팅했다.
결과는 (1, 1, 1, 0)로 NAND 게이트와 일치한다.
OR 게이트 함수 만들기.
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
import numpy as np
def OrGate(x1, x2):
xn = np.array([x1, x2])
wn = np.array([0.7, 0.3])
theta = 0.2
sumData = np.sum(wn*xn)
if sumData <= theta:
return 0
else:
return 1
print(OrGate(0,0))
print(OrGate(1,0))
print(OrGate(0,1))
print(OrGate(1,1))
|
cs |
이번 포스팅의 마지막 소스 OR 게이트 구현이다.
OR 게이트 구현을 위해 theta( 𝞱)값에 0.2를 할당했다.
결과는 (0, 1, 1, 1)이다.
지금까지 NAND와 OR 게이트를 퍼셉트론에 활용하는 내용을 알아봤다.
해당 부분을 파이썬 코드로 구현도 했다.
딥러닝 다음 편은 XOR 게이트에 대해 알아본다.
XOR 게이트는 약간 다르다.
AI 개발자로 한걸음 더 다가섰다.
끝.
'인공지능(AI) > 딥러닝(DeepLearning)' 카테고리의 다른 글
| [딥러닝]신경망과 활성화 함수(계단 함수, 시그모이드 함수, ReLU 함수) 계산 방법. 초보용 핵심 정리. (0) | 2025.03.21 |
|---|---|
| [딥러닝] XOR 게이트와 다층 퍼셉트론으로 파이썬 코드 작성하는 방법 (0) | 2025.01.08 |
| [딥러닝]인공지능 초보 개발자면 퍼셉트론과 AND 게이트 활용 방법은 알고 가자, 쉬운 설명. (0) | 2024.12.10 |
| [딥러닝]퍼셉트론(Perceptron)이란? 초보 인공지능(AI) 개발자를 위한 쉬운 설명, 퍼셉트론 뜻 (2) | 2024.11.19 |
| [딥러닝]AI(인공지능) 개발자가 되기 위해 첫발을 내딛다. 25년 차 프로그래머 이야기 (0) | 2024.11.05 |
