Please enable JavaScript.

Coggle requires JavaScript to display documents.

2.인공지능과 학습 (1512 박선유) - Coggle Diagram

- - - - 입력 데이터와 그 정답에 해당하는 속성도 함께 제공-> 학습 결과에서의 오류 여부와 성능을 쉽고 명확하게 평가 가능
        
        훈련 데이터와 테스트 데이터를 사용. 훈련 데이터는 학습 모델을 만들기 위해 사용,테스트 데이터는 모델의 성능을 평가하기 위해 사용
  - - - 정답 데이터가 주어지지 않기 때문에 컴퓨터는 입력 데이터의 특징을 분석하여 패턴이나 특징 규칙을 찾아내야 한다.
        
        고차원 데이터의 복잡성을 낮추어 특징을 추출하는 차원 축소, 서로 비슷한 특징을 가진 데이터끼리 그룹화하는 군집, 이상치를 탐색하는 이상 탐지 등의 작업에 활용
  - - - 사전에 환경에 대한 명확한 정답이 없는 상황에서 학습 하고 적응하는 과정을 따르기 때문에 지능 에이전트의 학습 과정에 유용하게 활용
        
        강화학습의 과정
        
        1.관찰 2.정책에 따라 행동을 선택 3.행동 실행 4.보상이나 벌점을 받음 5.정책 수정(학습 단계) 6.최적의 정책을 찾을 때까지 반복
- - - - 회귀 모델:훈련 데이터를 기반으로 독립 변소와 종속 변수 사이의 규칙을 파악하여 수식으로 나타냄 학습된 규칙에 새로운 입력값을 대입하여 예측값을 얻어내는 모델. 독립 변수는 주로 입력값을 의미,종속 변수 는 주로 결괏값을 의미
        
        회귀 모델을 만들 때 사용하는 대표적인 알고리즘으로는 선형 회귀 알고리즘이 있다. 예측값과 실젯값의 오차를 최소화하는 가설 함수를 찾고 최적화하며 학습을 진행
  - - - 로지스틱 회귀,K-최근접 이웃알고리즘이 있음 그중 k-최근접 이웃 알고리즘은 새로운 데이터를 분류하기 위해 가장 가까이에 있는 k개의 학습 데이터가 가장 많이 속한 그룹을 따라 분류하는 모델
  - - - 군집모델을 만들 때 사용하는 대표적인 군집 알고리즘에는 k-평균 알고리즘이 있음 임의의 군집 중심으로부터 가까운 거리에 있는 데이터를 같은 군집으로 할당,군집의 중심을 변경되지 않을 때까지 계속 바꾸어 조정하는 방식으로 군집을 형성
        
        k-평균 알고리즘을 적용한 군집 형성 과정 예시
        
        초기상태 2. 초기 중심점 설정 3. 데이터를 군집에 할당 4. 중심점 재설정 5.데이터를 군집에 할당-반복 6. 중심점이 변하지 않으므로 완료
- - - - 심층 신경망
        2차원의 입력 데이터를 1차원 배열의 형태로 변환
        2차원 평면에서 갖고 있던 이미지의 생김새 정보를 잃음
      - 합성곱 신경망
        형태의 변환 없이 2차원의 입력 데이터를 사용
        생김새의 정보 그대로 사물 학습
        
        합성곱 계층과 풀링 계층으로 구성
        두 계층을 반복하여 학습 진행하고 이미지 특성 추출
    - - 시스템의 동작 원리
        음성 입력-음성 인식-자연어 처리-명령 수행 및 상호작용
        음성 인식(음성 신호,부호화,특징 추출,패턴 비교,인식)
        자연어 처리(형태소 분석,구문 분석,의미 분석,담화)
      - 순환 신경망:순서가 중요한 순차적인 데이터를 입력받아 결과를 도출