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 각각의 가중치와 곱한다. 곱한 값들을 모두 더해서 편향 값을 더해 가중 입력합 v를 구한다. 활성화 함수를 통해서 최종적으로 출력값을 구한다. 편향 (bias) : 뉴런의 입력과 별도로 뉴런에 가해지는 값 임계치 (threshold) = (-1)*편향 라. 뉴런 연산의 벡터 표현 입력과 가중치를 행렬..

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 input(x)에 대하여 output(y)라고 대답하는 상황을 수학적으로 y = f(x)라고 표현해보자. 그리고 우리가 y = f(x)처럼 동작하는 프로그램을 머신러닝을 통해 만들려고 한다. 이 머신러닝은 아래와 같이 수학적으로 표현할 수 있다. 샘플 집합 S = {(x, y)}를 사용해서 f..

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. 형식지 : 형식을 갖춰 표현할 수 있는 지식 암묵지 : 형식을 갖춰 표현하기 어렵지만, 학습과 경험을 통해서 쌓은 지식 지식 표현 프로그램이 동작할 수 있게 지식을 정형화된 형태로 표현하는 방법 선언적 지식 표현 (decalarative) 어떤 대상의 성질, 특성, 관계 등을 독립적으로 서술한 것 논리 (logic) 명제논리 술어 논리 대수적 기호 연산을 통한 추론 절차적 지식..

탐색 (search) 문제에 대한 최적의 해를 찾는 것. 문제의 해가 될 수 있는 후보 해의 집합 또는 공간을 체계적으로 검사. 용어 정리 세계 : 문제에 포함된 대상들과 이들의 상황을 포괄적으로 지칭 상태 : 특정 시점에 문제의 세계가 처해 있는 모습 상태 공간 : 문제 해결 과정에서 초기 상태로부터 도달할 수 있는 모든 형태들의 집합. 문제의 해가 될 가능성이 있는 모든 상태들의 집합 가. 상태 공간 트리 트리 (tree) 이미지 출처 : https://ko.wikipedia.org/wiki/트리_구조 계층적 구조 표현. 노드 (node) : 정보 간선 (edge) : 관계 상태 공간 트리 상태 공간에서 각 액션에 따른 상태의 변화를 나타낸 트리 나. 상태 공간 그래프 그래프 (graph) 이미지 출..

대구대학교 AI 입문 강의 정리분. 1. 인공지능의 정의 인공지능 (Artificial Intelligence) 시대의 도래 공상이 현실이 되는 인공지능. 1.1 인공지능의 일반 정의 1950년 앨런 튜링 : 수학 및 컴퓨터 과학 이론을 기반해 생각하는 기계의 가능성 고찰. 기계와 생각의 정의를 내리지 못했고, 기계의 지능을 판별 방법만 제시. (튜링 테스트) 1956년 다트머스 ‘하계 워크숍' : 존 매카시를 비롯한 수학자, 생물학자, 심리학자 등 10명이 모여 인공지능 관련 개념 논의. 사람처럼 생각하는 기계라는 개념의 AI(Artificial Intelligence)라는 용어 생성. 70년대 : 사람의 생각과 관련된 활동, 예를 들면 의사 결정, 문제 해결, 학습 등의 활동을 자동화하는 것 — 벨만..