본문 바로가기

강의/인공지능개론

하이브리드 지능시스템
강의/인공지능개론 2024. 6. 11. 하이브리드 지능시스템 목차하이브리드 지능 시스템    신경망 전문가 시스템    뉴로-퍼지 시스템    진화 신경망    퍼지 진화 시스템 하이브리드 지능 시스템hybrid intelligent system지능 기술을 적어도 두가지 이상 결합한 시스템-> 현실의 문제 해결 시 다양한 경로로 지식을 습득할 뿐 아니라 서로 다른 지능 기술을 결행하야한다     확률 추론, 퍼지 논리, 인공 신경망, 진화 연산을 포함해 다양한 기능 기술 등의 결합 필요성 제기 의의확률 추론, 퍼지 논리, 인공 신경망, 진화 연산의 결합은 불확실하고 부정확한 환경에서 추론과 학습이 가능한 하이브리드 지능 시스템을 구축하는 새로운 방법인 소프트 컴퓨팅의 핵심이라고 할 수 있음  확률 추론 - 불확실성퍼지 논리 - 부정확성인공 신경망 - 유연한 학습진..
강화학습 : reinforcement learning
강의/인공지능개론 2024. 6. 7. 강화학습 : reinforcement learning 강화학습어떠한 모르는 환경에서 동작하는 에이전트가 있을 때, 에이전트가 현재 상태에서 향후 기대되는 누적 보상값이 최대가 되도록 행동을 선택하는 정책을 찾는 것 -> 마르코프 결정 과정 : MDP 사용  마르코프 결정 과정 : markov decision process상태 전이가 현재 상태인 St와 입력(행동) At에 의해 확률적으로 결정되는 모델-> 마르코프 모델     미래 상태 St+1은 현재 상태 St에만 영향을 받으며 과거 상태 St-1,...에는 영향을 받지 않는 시스템에 대한 확률 모델    => 강화학습의 목적 : 기대 누적 보상값이 최대가 되도록 하는 정책을 찾는 것 정책이란? 각 상태에서 선택할 행동을 지칭함    누적 보상치- 단순 합계 : 단순하게 연속적으로 보상치를 더함- 할인 누..
SVM
강의/인공지능개론 2024. 6. 7. SVM Support Vector Machine분류 오차를 줄이면서 여백을 최대로 하는 결정 경계:decision boundary를 찾는 이진 분류기 margin : 여백으로 결정 경계와 가장 가까이 있는 학습 데이터까지의 거리 support vector : 결정 경계로부터 가장 가까이에 있는 학습 데이터들     초평면 기하학 : hyperplane  SVM 최적화                  시험 출제 100 %     선형 분리불가 문제 : SVM   => 슬랙 변수 사용학습 데이터 별로 하나씩 생성함svm 분할 초평면에서 서포트벡터보다 멀리 위치하면 슬랙 변수 = 0     선형 SVM 선형인 초평면으로 공간을 분할한다슬랙 변수를 도입하더라도 한계가 있음 데이터의 고차원 사상데이터를 고차원으로 사상하게..
기계학습 : 추가 신경망
강의/인공지능개론 2024. 6. 5. 기계학습 : 추가 신경망 목차기계학습 : 인공신경망    홉필드 신경망    양방향 연상 메모리    자기조직 신경망 기계학습 : 인공신경망  홉필드 신경망존 홉필드가 제안한 순환 신경망 : RNN:recurrent nueral network순환 신경망은 출력~입력까지의 feedback loop가 있고, 이러한 피드백 루프는 신경망 학습 능력에 많은 영향을 끼친다=> 기억의 자기 연상 유형을 표현한다   - 각 뉴런의 출력을 다시 모든 뉴런의 입력으로 보냄 (단, 자기 자신 제외)- 부호 활성화함수를 따른 맥클록-피츠 뉴런을 사용함 가정 1) 뉴런 사이 연결강도 즉, 가중치는 대칭가정 2) 뉴런들은 완전히 비동기적으로 동작 시에만 안정된 상태에 도달할 수 있음 = 즉, 동시에 가중치  update돼서는 안됨. 순서대로!   부호..
기계학습 2.Decision Tree
강의/인공지능개론 2024. 6. 2. 기계학습 2.Decision Tree 목차 Decision Tree 결정트리 형태 결정트리 학습 알고리즘 결정트리를 이용한 회귀 ensemble classifier k-nearest neighbor, KNN 군집화 알고리즘 naive Bayes classifier Decision Tree트리의 형태로 의사결정 지식을 표현한 것 결정트리 형태단말 노드 : class, 대표값 내부 노드 : 노드들 중 단말노드를 제외한 부분으로 비교 속성이라 할 수 있다 간선 : 속성 값 결정트리 학습 알고리즘Algorithm - 모든 데이터를 포함한 하나의 노드에서 시작 - 반복적인 노드 분할 분할 속성을 선택 속성값에 따라 서브 트리 생성 데이터를 속성 값에 따라 분배 => 이러한 decision tree의 경우, 아주 복잡하여 해당 문제를 세세하게 분류하며..
기계학습 1
강의/인공지능개론 2024. 5. 10. 기계학습 1 기계학습이란?machine learning경험을 통해 나중에 유사하거나 같은 일:task를 더 효율적으로 처리할 수 있도록 시스템의 구조나 파라미터를 바꾸는 것이다. 컴퓨터가 데이터로부터 특정 문제해결을 위한 지식을 자동으로 추출하여 사용할 수 있게 하는 기술이다.  연역적 학습 : deductive learningdeductive inference를 통한 학습 귀납적 학습 : inductive learning사례들을 일반화하여 패턴이나 모델을 추출함=> 일반적인 기계학습의 대상으로 학습 데이터를 잘 설명할 수 있는 패턴을 찾는 것이다.오컴의 면도날 : Occam's rezor => 가능하면 학습 결과를 간단한 형태로 표현하는 것이 좋음    => 아주 복잡하며 99%의 성능인 모델보다는 95%의 성능을..
Fuzzy Theory 보호되어 있는 글입니다.
탐색과 최적화 보호되어 있는 글입니다.

티스토리툴바