본문 바로가기

728x90

미쳤습니까 휴먼 (AI)

[인공지능] 합성곱 신경망 2024. 12. 5. 완전연결 (fully connected) : 신경망에 인접하는 계층의 모든 뉴련과 결합되어 있음Affine 계층 : 완전히 연결된 계층단점 : 데이터의 형상이 무시됨 : 이미지는 가로 x 세로 x 채널 색상 로 구성된 3 차원 데이터인데 완전연결 계층에 입력할 때는 3 차원 데이터를 평평한 1 차원 데이터로 평탄화해줘야 함 합성곱 신경망(CNN) : 합성곱 계층 (convolution layer)과 풀링 계층 (pooling layer)가 추가합성곱 계층 : 형상을 유지함, 이미지도 3 차원 데이터로 입력받으며 , 다른 계층에도 3 차원 데이터를 전달함입출력 데이터 : 특징맵 (feature map)출력에 가까운 층에서는 Affine ReLU 구성을 사용할 수 있음마지막 출력 계층에서는 Affine So..

[인공지능] 학습 관련 기술들

[인공지능] 학습 관련 기술들 2024. 12. 5. Optimization (최적화): 손실함수의 값을 가능한 한 낮추는 매개변수의 최적값을 찾는 것 Stochastic Gradient Descent (확률적 경사 하강법): 매개변수의 기울기를 구해 기울어진 방향으로 매개변수 값을 갱신하는 일기울어진 방향으로 일정 거리만 가는 방법W : 갱신할 가중치 매개변수n : 학습률L : W로 미분한 값, 손실함수의 기울기비등방성 함수에서는 탐색 경로가 비효율적 Momentum (모멘텀) : Gradient Descent를 통해 이동하는 과정에 일종의 ‘관성’을 주는 방법현재 Gradient를 통해 이동하는 방향과는 별개로 과거에 이동했던 방식을 기억하면서 그 방향으로 일정 정도를 추가적으로 이동하는 방식알파 : 얼마나 momentum을 줄 것인지에 대한 term..

[인공지능] 오차역전파법 2024. 12. 4. Backpropagation (오차역전파법) : 오차를 역으로 전파하는 방법, 가중치 매개변수의 기울기를 효율적으로 계산 Computational graph (계산 그래프) : 계산 과정을 그래프로 나타낸 것, 복수의 Node와 Edge로 표현국소적 계산을 전파함으로써 최종 결과를 얻음국소적 계산 : 전체에서 어떤 일이 벌어지든 상관없이 자신과 관계된 정보만으로 결과를 출력할 수 있도록 하는 것국소적 계산으로 각 노드에서 단순한 계산에 집중하여 문제를 단순화 가능중간 계산 결과를 모두 보관 가능역전파를 통해 미분을 효율적으로 계산Forward propagation (순전파) : 계산을 왼쪽에서 오른쪽으로 진행 역전파 : 순방향과는 반대 방향으로 국소적 미분을 곱함연쇄법칙 : 합성함수의 미분은 합성함수를 ..

[인공지능] 학습 알고리즘 2024. 12. 4. 데이터 주도 학습 학습 (learning): 훈련 데이터로부터 가중치 매개변수의 최적값을 자동으로 획득하는 것기계학습 :데이터에서 답을 찾고 데이터에서 패턴을 발견하고 데이터로 이야기를 만듦사람의 개입을 최소화하고 수집한 데이터로부터 패턴을 찾으려 시도함종단간 기계학습(end-to-end machine learning) 기계학습: 데이터의 특징을 벡터로 변환하는 것은 ‘사람’이 설계함딥러닝: 데이터 입력에서 목표한 결과를 사람의 개입 없이 얻음 훈련데이터(training data): 최적의 매개변수 탐색하는데 사용됨시험데이터(test data): 훈련한 모델의 성능을 평가하는데 사용됨훈련데이터로 학습한 모델의 범용 능력을 시험 데이터로 평가과소적합(Underfitting)높은 편향(bias)을 가진 경..

[인공지능] 신경망 2024. 12. 4. 신경망(ANN) : 입력층, 은닉층, 출력층으로 이루어져 있으며, 은닉층의 뉴런은 사람 눈에는 보이지 않음 활성화 함수활성화 함수(h(x)함수) : 입력 신호의 총합을 출력 신호로 변환하는 함수로 입력 신호의 총합이 활성화를 일으키는지 정하는 역할 선형함수 : 변환기에 무언가 입력했을 때 출력이 입력의 상수배만큼 변하 는 함수선형 함수의 수식: f ( x ) = ax + b 이고, 이 때 a 와 b 는 상수선형 함수는 곧은 1 개의 직선이 됨비선형 함수 : ‘선형이 아닌’ 함수, 직선 1 개로는 그릴 수 없는 함수 계단함수 : 비선형 함수로 0을 경계로 출력이 갑자기 바뀐다시그모이드 함수 : 비선형 함수로 부드러운 곡선이며 입력에 따라 출력이 연속적으로 변화ReLU함수 : 입력이 0을 넘으면 그 입력을..

[인공지능] 퍼셉트론 2024. 12. 4. 퍼셉트론 : 다수의 신호를 입력으로 받아 하나의 신호를 출력, 흐른다/안흐른다(1/0)의 두가지 값퍼셉트론은 가중치(w)와 편향(b)을 매개변수로 설정가중치 : 각 입력 신호가 결과에 주는 영향력(중요도)을 조절하는 매개변수편향 : 뉴런이 얼마나 쉽게 활성화(결과로 1 을 출력)되느냐를 조정하는 매개변수퍼셉트론은 입력신호에 가중치를 곱한 값과 편향을 합하여, 그 값이 0 을 넘 으면 1 을 출력하고 그렇지 않으면 0을 출력 퍼셉트론의 한계 : 퍼셉트론은 직선 하나로 나눈 영역만 표현할 수 있음곡선의 영역 = 비선형 영역직선의 영역 = 선형 영역 다층 퍼셉트론

[인공지능] 지식 표현과 추론

[인공지능] 지식 표현과 추론 2024. 12. 2. 데이터 피라미드데이터 (Data): 아직 가공되지 않은 원시 형태의 정보로, 특정 분야에서 관측된 사실들, 오류나 잡음을 포함할 수 있음정보 (Information): 데이터를 가공하여 목적이나 의미를 부여한 것, 데이터가 가치를 갖도록 처리한 결과지식 (Knowledge): 정보를 분석하고 이해하여 얻은 내용, 사람이 이해할 수 있도록 정리된 정보지혜 (Wisdom): 경험과 학습을 통해 얻은 통찰력지식 표현절차적 지식 (Procedural Knowledge): 문제 해결의 방법이나 절차를 설명하는 지식선언적 지식 (Declarative Knowledge): 어떤 대상이나 성질에 대한 정보를 서술한 지식암묵지 (Tacit Knowledge): 표현하기 어려운 경험적 지식형식지 (Explicit Know..

[인공지능] 탐색과 최적화 2024. 12. 2. 탐색 : 문제의 해(solution)가 될 수 있는 것들의 집합을 공간(space)으로 간주하고, 문제에 대한 최적의 해를 찾기 위해 공간을 체계적으로 찾아 보는 것 상태 공간과 탐색상태 공간(state space) : 문제 해결 과정에서 초기 상태로부터 도달할 수 있는 모든 상태들의 집합, 문제의 해가 될 가능성이 있는 모든 상태들의 집합초기 상태 : 문제가 주어진 시점의 시작 상태목표 상태 : 문제에서 원하는 최종 상태상태 공간 그래프 : 상태(노드) 공간에서 각 행동(링크/간선)에 따른 상태의 변화를 나타낸 그래프일반적인 문제에서는 상태 공간이 매우 큼미리 상태 공간 그래프를 만들기 어려움탐색과정에서 그래프 생성맹목적 탐색: 정해진 순서에 따라 상태 공간 그래프를 점차 생성해 가면서 해를 탐색하는 ..

[인공지능] 인공지능이란? 2024. 9. 21. 지능 : 본능적이나 자동적으로 행동하는 대신에, 생각하고 이해하여 행동하는 능력생각 : 문제를 해결하거나 아이디어를 만들기 위해 두뇌를 사용하는 것이해 : 어떤 것의 의미 또는 일이 되어 감을 아는 것 인공지능 : 인공적으로 만든 지능튜링 테스트지능의 조작적 정의조작적 정의 : 측정할 수 있는 조건으로 어떤 속성을 기술흉내 게임 강한 인공지능사람과 같은 지능마음을 가지고 사람처럼 느끼면서 지능적으로 행동하는 기계인간의 지능적 요소 포함튜링테스트 통과이들의 권리, 대우 등에 대한 사회적, 윤리적, 법적 문제도 발생약한 인공지능특정 문제를 해결하는 지능적 행동사람의 지능적 행동을 흉내 낼 수 있는 수준대부분의 인공지능 접근 방향중국인 방 사고 실험

이전 1 2 다음

728x90

티스토리툴바