AKA '''가중치'''
[[http://tomoyo.ivyro.net/123/wiki.php/asdf?action=fullsearch&value=%EA%B0%80%EC%A4%91%EC%B9%98&context=20&case=1 try backsrch 가중치]]

[[기계학습,machine_learning]]에서 [[학습,learning]]이란 바로 [[신경망,neural_network]](ANN)의 '''weights'''를 조절하는 과정.

Sub:
 [[가중평균,weighted_mean]] (... or [[가중평균,weighted_average]])
{
TBW - 그냥 평균과 가중평균을 수식으로 비교해서 적을 것

////현재 [[평균,mean,average]]에도 내용 있음. TOMERGE
가중평균 (← 가중평균의 넓은 의미)
 [[가중산술평균,weighted_arithmetic_mean]] (← 가중평균의 좁은 의미) ///QQQ 이게 = weighted_average ??? https://everything2.com/title/weighted+average
  [[질량중심,mass_center]] 무게중심 weight_center 이 이것의 일종? chk
  [[WpEn:Weighted_arithmetic_mean]]
  cf. [[산술평균,arithmetic_mean]]
 [[가중조화평균,weighted_harmonic_mean]]
  [[WpEn:Weighted_harmonic_mean]]
  cf. [[조화평균,harmonic_mean]]
 [[가중기하평균,weighted_geometric_mean]]
  [[WpEn:Weighted_geometric_mean]]
  cf. [[기하평균,geometric_mean]]

//이상 세가지 모두 여기에 설명 있음
[[https://terms.naver.com/entry.naver?docId=3404932&ref=y&cid=47324&categoryId=47324 수학백과: 가중산술평균]]

https://proofwiki.org/wiki/Definition:Weighted_Mean
}
 [[가중합,weighted_sum]] - [[합,sum]]
{
이것의 계산 방식은 [[벡터,vector]]의 [[내적,inner_product]]/[[스칼라곱,scalar_product,dot_product]]과 rel. 왜인지는 너무 명백하므로 생략. - 잠깐 써보면
{
전체 합이 1이 되는 벡터(이름이 있을텐데 뭐라고 하지? 암튼 전체가 [[하나,one]]. rel: [[단위,unit]], [[정규화,normalization]].) .. 예를 들어 $[0.6 \; 0.4]$ 와 내적을 하는 것은 전자에 60%, 후자에 40%의 가중치를 ...tbw
}
Ex.
 $\vec{w}=[w_1\;w_2\;w_3]$
 $\vec{v}=[v_1\;v_2\;v_3]$
 $\vec{w}\cdot\vec{v}=w_1v_1+w_2v_2+w_3v_3=\vec{v}\cdot\vec{w}$
이 때, 다음과 같이 (합하기 / 일정 원소만 뽑아내기 / 노름 구하기)가 가능하다.
 $\bullet\;\vec{w}=\mathbb{1}$ (일벡터) 일 때, $\vec{w}\cdot\vec{v}$ 는 $\vec{v}$ 벡터의 원소들의 합
 $\bullet\;\vec{w}=\vec{e_i}$ 일 때, $\vec{e_2}\cdot\vec{v}$ 는 $\vec{v_2}$
 $\bullet\;\vec{w}=\vec{v}$ 일 때, $\vec{v}\cdot\vec{v}=||\vec{v}||^2$
....
[[가중값,weight]] [[합,sum]]
}
 [[해밍_가중값,Hamming_weight]]
 weight_initialization
  Google:가중치.초기화
  Google:weight.initialization

[[그래프,graph]] or [[네트워크,network]] can be 'unweighted or weighted'.
 weighted_graph weighted_network : link(edge)별로 그에 해당하는 '''weight'''를 갖는다.[* Menczer, Network Sci, p15 아래 박스]
 ''그럼 unweighted_graph unweighted_network : weight가 없음? or 1로 고정? QQQ''

 [[최단경로,shortest_path]]를 찾는 [[최단경로문제,shortest_path_problem]]에서
 edge_weight - [[,edge]]의 '''weight'''
 path_weight - [[경로,path]]에 속하는 모든 간선(edge)의 값을 더한 값

----
weight는 [[신경망,neural_network]]/[[퍼셉트론,perceptron]]의 경우 '연결세기'로도 번역.

tmp; ([[뉴런,neuron]]/NN/etc.에서)
via http://sanghyukchun.github.io/74/
{
문단 "Model of Neural Network:"
[[신경망,neural_network]]에선, [[뉴런,neuron]]들이 node이고, 그 neuron들을 연결하는 [[시냅스,synapse]]가 edge이다. Edge마다 '''weight'''가 있게 된다.

위치 "다시 일반적인 neural network에 대해 생각해보자"
''rel. [[,bias]] 와의 관계 설명 - 활성화함수의 식에서 같이 나타남.''
[[활성화,activation]](다음 [[뉴런,neuron]]에 뭔가를 전달을 "할지 말지"? boolean_function? threshold가 있고 그에 따라 activate or dectivate? chk)조건을 표현하는 [[활성화함수,activation_function]] 설명에서, 일단 편의상
 $t=\sum_i w_i x_i$
라고 정의. ''(물론 $w_i$ 가 '''weight''')'' 일반적으로는 '''weight'''뿐만 아니라 bias도 고려해야 한다. 그 때 식은
 $t=\sum_i(w_i x_i+b_i)$

그리고 activation fn 예를 조금 들면 ('활성화함수'에 wrote, del ok)
 * [[시그모이드함수,sigmoid_function]]
 $f(t)=\frac1{1+e^{-t}}$
 * tanh_function (is-a [[쌍곡선함수,hyperbolic_function]])
 $f(t)=\frac{e^t-e^{-t}}{e^t+e^{-t}}$
 * [[절대값함수,absolute_value_function]]? absolute_function? - curr at [[절대값,absolute_value#s-1]]
 $f(t)=\left\| t \right\|$
 * ReLU_function - curr at [[함수,function#s-15]]
 $f(t)=\operatorname{max}(0,t)$
}

[[가중값초기화,weight_initialization]]
... Google:weight+initialization
is a [[초기화,initialization]]

[[가중값xx,weight_decay]]
xx는 감쇠, 감소... 붕괴는 너무 물리적인 decay의 번역?, 또 뭐있지? ....
https://ko.d2l.ai/chapter_deep-learning-basics/weight-decay.html - '''가중치 감쇠'''
... Google:weight+decay

이 둘은 일단 tmp see https://velog.io/@cha-suyeon/DL-가중치-초기화Weight-Initialization%2D

[[multiplicative_weight]] or
multiplicative_weight_update (algorithm/method)
{
rel. [[mirror_descent]]

Srch:multiplicative_weight

Google:multiplicative_weight
}

가중값함수? [[weight_function]]
{
https://proofwiki.org/wiki/Definition:Weight_Function
}

[[부호,code]]중에서
weighted code vs. unweighted code
Ggl:"weighted code vs. unweighted code"
weighted_code
weighted code
unweighted_code
unweighted code / Ggl:"non-weighted code"
여기서 말하는 weight는
예를 들어 2진수에서 자리에 대한 weight는 오른쪽부터 1 2 4 8 16 32…
 * BCD code([[BCD,binary_coded_decimal]])는 네 자리 위치에 따라 저렇게 일정하므로 weighted code이며,
 * excess-3 code는 네 자리 위치에 따라 weight가 일정하지 않으므로 unweighted code.

----
Etc
같은 영단어: [[무게,weight]]
한국어 단어에 포함된 어근: [[값,value]]
다른 표현: Google:경중률

rel. ?
[[,weighting]] { [[WpEn:Weighting]] }

QQQ
{
[[weighting_factor]] 와 항상 같은건지 아님 다를 경우가 있는지
항상 [[weight_function]] = [[weighting_function]]인지
}

[[WpEn:Weight_function]]

https://mathworld.wolfram.com/Weight.html - 이건 위와 약간 포인트가 다름

Up: [[계수,coefficient]]? - weight는 항상 coeff.? 그럴 것 같은데...chk