인공지능

  1. 기울기 강하 기법 가. 학습법 개관 (1) 신경망 학습법 개관 (2) 에러 정정 기법 주어진 입력 샘플에 대해 출력을 산출한다. 이후 출력과 목표 출력 간의 차이가 줄어들도록 가중치를 변경한다. 나. 손실함수 (1) 손실 함수 손실 함수는 목표치와 실제 출력 간의 차이(손실, 에러)를 계량화하는 함수. 에러 함수의 종류는 다양한다. ex) 평균제곱에러, 교차엔트로피 에러 등 … 더 읽기

1. 인공 신경망의 뉴런 모델 가. 신경망 인간의 두뇌를 모방한 연결주의의 대표적 기술. 안정적인 학습 기능, 병렬 처리와 에러 감내(fault tolerance) 등의 장점. 나. 생물학적 신경망 Hebbian rule : 두 인접 뉴런이 동시에 발화하면 연결 강도 증가. : Fire Together Wire Together! : 그렇지 않으면 연결강도 감소 다. 뉴런의 연산 모델 입력 신호가 생기면 이를 … 더 읽기

1. 머신러닝 전통적 프로그래밍의 한계가 찾아옴. 프로그래밍을 통해 해결할 수 없는 문제가 많다. (ex. 필기체 숫자 인식, 얼굴 인식 등) 머신러닝의 개념 컴퓨터가 경험적 데이터(empirical data)를 학습해서 지능적으로 동작할 수 있는 기능을 갖추게 하는 인공지능의 세부 분야. 머신러닝의 기본 원리 머신러닝은 모델을 학습시켜 활용한다. 원시 모델 → 모델 학습 → 예측 모델 수학적으로 해석하면… 우리가 … 더 읽기

1. 지식표현과 추론 AI 초창기는 “탐색(추론)” 중심으로 범용 인공지능 연구를 진행했다. 이는 곧 한계를 맞이한다. 실제적인 문제를 해결하기 위해 “지식+추론” 패러다임과 “특화”로 방향을 전환했다. 지식 어떤 주제나 분야에 대해 경험이나 교육을 통해 얻어진 이론적인 또는 실제적인 이해. 지식은 크게 2가지로 구분할 수 있다. 지식 표현 프로그램이 동작할 수 있게 지식을 정형화된 형태로 표현하는 방법 추론 … 더 읽기