AI4 (4) 인공신경망의 종류 인공신경망의 종류는 일반적으로 DNN(Deep Neural Network), CNN(Convolution Neural Network), RNN(Recurrent Neural Network) 으로 구분할 수 있다. DNN은 퍼셉트론의 관점에서 볼 때 하나의 입력과 하나의 출력층으로 이루어져 있으며 많아야 중간에 하나의 중간층을 가지고 있다. 그러나 심층 신경망은 입력층과 출력층 사이에 다수의 은닉층들로 구성되어 있다. 층간 연결을 없애면, 머신은 가시층과 은닉층으로 이루어진 무방향 이분 그래프 형태의 모양을 기반으로 사전학습을 통해 어느정도 보정을 한 후 튜닝의 과정으로 최종 가중치를 계산하는 방법이다. 그래서 DNN은 레이블된 데이터 세트가 충분하지 않아도 적용이 가능한 방법이다. CNN은 최소한의 사전.. 2020. 10. 13. (3) 딥러닝 인공지능, 머신러닝, 딥러닝에 대해서 많은 사람들이 헷갈려 한다. 인공지능은 인간의 판단, 행위, 인지 등을 이해해서 인간의 지능을 기계가 갖출 수 있도록 하는 것이다. 머신러닝은 기계가 인간의 지능을 가질 수 있도록 인공지능을 만들어야하고 인공적인 지능을 만들기 위해서는 학습을 해야 하는데 그 학습 중 한 분야이다. 딥러닝은 머신러닝을 하기 위해 인간의 신경망, 뇌와 유사하게 학습하는 분야이다. 출처 : blog.naver.com/PostView.nhn?blogId=dsjang650628&logNo=221864626337 딥러닝은 퍼셉트론, 다층퍼셉트론, 그리고 현재의 딥러닝으로 구분하고 있다. 퍼셉트론은 n개의 입력과 1개의 출력에 대하여 각 입력의 가중치를 둔 개념으로 뉴런이 전기신호로 정보를 전달.. 2020. 10. 13. (2) 머신러닝 머신러닝은 사전적인 의미로 인공지능의 한 분야로, 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야로서 표현과 일반화에 중점을 두고 있으며, 기본적으로 알고리즘을 이용해 데이터를 분석하고, 분석을 통한 학습, 학습을 기반으로 한 판단이나 예측이라고 할 수 있다. 머신러닝은 3가지 접근법으로 연구가 진행되어왔다. 1. 신경모형 패러다임(신경 모형은 퍼셉트론에서 출발해서 지금의 딥러닝으로 이어짐) 2. 심볼 개념의 학습 패러다임(숫자나 통계이론 대신 논리학이나 그래프 구조를 사용) 3. 현대지식의 집약적 패러다임(백지상태에서 학습을 시작하는 신경모영은 지양, 이미 학습된 지식 재활용) 톰 미첼의 PET 만약 컴퓨터 프로그램이 특정한 Task를 수행할 때 성능(Performance)만큼 개선되는.. 2020. 10. 13. (1) 인공지능 인공지능이란 무엇일까? 인공지능은 '인간의 판단, 행위, 인지 등을 이해해서 인간의 지능을 기계가 갖출 수 있도록 하는 것' 이라고 할 수 있다. 지능이라고 하는 것은 '도전적인 새로운 과제를 성취하기 위한 사전지식과 경험을 적용할 수 있는 능력'이라고 말할 수 있으며 이것은 결국 인간의 지적 능력을 지칭하는 것이라고 할 수 있다. 이러한 능력은 다양한 상황과 문제에 융통성을 갖고 반응하는데 사용될 수 있고 학습능력(Learning Ability)과도 관련이 있다. 인공지능의 역사 a. 인공지능의 시작 오타마타 이론, 신경 회로망, 지능에 관한 연구 등의 워크숍을 개최하여 "학습의 모든 면 또는 지능의 다른 모든 특성으로 기계를 정밀하게 기술할 수 있고 이를 시뮬레이션 할 수 있다." 라고 제안했다. 다.. 2020. 10. 12. 이전 1 다음
개발자 리자드
