인공지능
-
학습 알고리즘과 신경망 분류인공지능 2020. 4. 23. 16:11
심층 신경망 심층 신경망은 입력층과 출력층 사이에 여러개의 은닉층들로 이루어진 인공신경망이다. 심층 신경망은 일반적인 인공신경망과 마찬가지로 복잡한 비선형 관계들을 모델링할 수 있다. 예를 들어, 사물 식별 모델을 위한 심층 신경망 구조에서는 각 객체가 이미지 기본 요소들의 계층적 구성으로 표현될 수 있다. 이때, 추가 계층들은 점진적으로 모여진 하위 계층들의 특징들을 규한시킬 수 있다. 심층 신경망의 이러한 특징은, 비슷하게 수행된 인 공신경망에 비해 더 적은 수의 유닛들 만으로도 복잡한 데이터를 모델링할 수 있게 해준다. 이전의 심층 신경망들은 보통 앞먹임 신경망으로 설계되어 왔지만, 최근의 연구들은 심층 학습 구조들을 순환 신경망에 성공적으로 적용했다. 일례로 언어 모델링 분야에 심층 신 경망 구조..
-
단 / 다층 퍼셉트론인공지능 2020. 4. 23. 16:03
단층 퍼셉트론 1957년 프랭크 로센블래트는 MCP 뉴런 모델을 기초로 퍼셉트론 학습 규칙이라는 개념을 고안하게 되는데, 로센블래트는 하나의 MCP 뉴런이 출력신호를 발생할지 안할지 결정하 기 위해, 뉴런으로 들어오는 각 입력값에 곱해지는 가중치 값을 자동적으로 학습하는 알 고리즘을 제안했다. 퍼셉트론은 머신러닝의 지도학습이나 분류의 맥락에서 볼 때, 하나의 샘플이 어떤 클래스 에 속해 있는지 예측하는데 사용될 수 있다. x0~xn은 퍼셉트론 알고리즘으로 입력되는 값이며, w0~wn은 각각의 입력값에 곱해지는 가중치이다. 입력값은 보통 분류를 위한 데이터의 특성을 나타내는 값으로 이루어져 있으며, 이 특성값에 가중치를 곱한 값을 모두 더하여 하나의 값으로 만든다. 이 값을 만 드는 함수를 순입력함수라고 ..
-
인공 신경망(뉴럴 네트워크)인공지능 2020. 4. 23. 16:00
뉴런 인공신경망을 구성하는 프로세서인 인공 뉴런의 기능은 다음과 같다. 단순히 입력된 신호 x = [x1, x2, x3 ... xn]을 연결가중치 w = [w1, w2, w3 ... wn]과 곱한 값을 모두 더 한 다음, 그 결과에 비선형 함수 f를 취하는 것이다. 이때 동일한 입력 x를 가했을 때의 출력은 w에 따라 다른 값이 된다. 따라서 정보는 바로 연결 가중치 벡터 w에 저장된다고 볼 수 있다. 출력 y의 값은 다음과 같은 식에 의해 계산된다. 뉴럴 네트워크 뉴럴 네트워크는 뉴런이 여러개 모여 망(network)을 이룬 것이며 인공 신경망 이라고도 부른다. 뉴럴 네트워크는 입력층(Input Layer), 은닉층(Hidden Layer), 출력층(Output Layer)로 구분할 수 있으며 은닉층의..
-
딥러닝인공지능 2020. 4. 23. 15:52
딥러닝 딥러닝은 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화를 시도하는 기계학습 알고리즘의 집합으로 정의되며, 큰 틀에서 사람의 사고방식을 컴퓨터에게 가르치는 기계 학습의 한 분야라고 이야기할 수 있다. 딥러닝은 머신러닝의 3가지 패러다임에서 신경 모형 패러다임에 속한다. 연결주의론에서 장애물로 여겨졌던 비선형문제, 다층 신경망에서의 효과적인 학습모델, 역전파 시 지역최 소값의 함정, 신경망의 층 수가 늘어날 때 수렴의 어려움, 문제의 규모가 커질 때 나타나는 컴퓨터 성능의 한계, 레이블된 디지털 데이터의 부족 등의 문제가 기술의 발전으로 점 차 해결되면서 최근 인공지능 분야에서 가장 주목받는 기술 분야로 자리잡고 있다. 2~3개의 층으로 되어있는 신경망을 쉘로우 러닝이라고 칭하고 그 이상인 ..
-
지도 / 비지도 학습과 강화학습인공지능 2020. 4. 23. 15:47
1. 지도학습 지도학습은 문제에 대한 정답의 예시를 반복적으로 제공하여 비슷한 유형의 인자값이 다른 문제가 주어졌을 때 정답을 추측할 수 있도록 하는 학습방법이다. 예를 들어 1+1=2, 1+2=3, 2+2=4 라고 학습시킨 뒤 1+3=? 의 값을 구하도록 하거나 사과 의 사진을 다수 학습시킨 뒤 여러 과일 사진 중에 사과의 사진을 찾게하는 것과 같은 방법이다. 이때 명시적인 정답을 Label이라 한다. 지도학습은 다수의 사례가 있고 명확한 결과값이 존재하는 데이터를 학습시킬 때 주로 사용된다. 2. 비지도 학습 비지도학습은 명확한 정답이 제시되지 않는 문제로 데이터의 숨겨진 특징이나 구조를 학습시킬 때 사용된다. 예를 들어 20대 남성의 영화 선호도를 추정하고자 할 때 20대 남성 이 선호하는 영화의 ..
-
회귀분석인공지능 2020. 4. 23. 15:38
회귀분석이란 회귀(regression)는 데이터의 상관관계를 분석하여 새로운 데이터를 적용하였을 때 최소 제곱법 등의 방법을 적용하여 기존 데이터가 군집되는 경향과 예측범위 내에 있음을 확인하는 분석방법이라고 할 수 있다. 회귀분석은 측정된 변수들의 데이터로부터 관계를 함수식으로 설명하며 독립변수의 값에 의해 종속변수의 값을 예측한다. 단순회귀분석(simple regression analysis) - 하나의 종속변수와 하나의 독립변수 사이의 관계를 분석할 경우 다중회귀분석(multiple regression analysis) - 하나의 종속변수와 여러 독립변수 사이의 관계를 분석할 경우 회귀분석의 전제조건 1. 오차항은 모든 독립변수 값에 대하여 동일한 분산을 갖는다. 2. 오차항의 평균은 0이다. 3...
-
통계와 확률인공지능 2020. 4. 23. 15:19
상관분석 상관분석은 종속변수와 독립변수 간에 어떤 선형적 관계를 갖고 있는지, 즉 얼마만큼 밀 접하게 관련되어 있는지 분석하는 것이다. 상관분석에서는 변수간 상관성 여부만 확인할 뿐, 인과관계에 대해서는 분석하지 않는다. 상관분석에서는 상관관계의 정도를 나타내는 상관계수를 구하는 것을 핵심으로 한다. 상관계수는 –1부터 1사이의 값으로 나타내며 값이 작을수록 상관관계가 약하다는 뜻이 아니라 0에 가까울수록 상관관계가 약한 것으로 보며 1에 가까울수록 양의 상관관계, -1 에 가까울수록 음의 상관관계가 강하다고 표현한다. 회귀분석
-
머신 러닝 정의인공지능 2020. 4. 23. 15:11
머신러닝이란 머신러닝이라는 용어는 IBM의 인공지능 분야 연구원이었던 아서 사무엘이 1959년에 자신의 논문에서 처음으로 사용했다. 아서 사무엘은 머신러닝을 ‘기계가 일일이 코드로 명시하지 않은 동작을 데이터로부터 학습하여 실행할 수 있도록 하는 알고리즘을 개발하는 연구 분야’ 라고 정의했다. 머신러닝을 수행할 때 입력값을 처리해 결과값을 도출하는 방법을 표현(representation)이 라고 하고, 결과값의 적합성을 판단하는 것을 평가(evaluation)라고 하며, 결과값의 적합성 을 높이기 위해 조정하는 것을 최적화(optimization)이라고 한다. 이러한 표현, 평가, 최적화를 수식으로 표현하면 다음과 같다. 학습(Learning) = 표현(representation) + 평가(evaluat..