총 23개
-
인공지능과 기계학습 기말정리2025.01.131. 신경망의 오차 출력계층의 오차와 은닉계층의 오차를 구하는 방법에 대해 설명합니다. 출력계층의 오차는 목표값과 출력값의 차이이지만, 은닉계층에는 목표값이 존재하지 않기 때문에 출력계층의 오차를 재조합하여 은닉계층의 오차를 구합니다. 이러한 방식을 역전파라고 합니다. 2. 경사하강법 오차함수의 기울기에 따라 가중치를 조정하는 경사하강법에 대해 설명합니다. 오차함수로는 제곱오차 방식을 사용하며, 기울기의 부호에 따라 가중치를 반대 방향으로 조정합니다. 오버슈팅을 방지하기 위해 기울기가 완만해질수록 조금씩만 움직이도록 합니다. 3. ...2025.01.13
-
AI, 머신러닝, 딥러닝의 관계2025.01.151. 인공지능(AI) 인공지능(AI)은 인간의 인지 기능을 모방하여 만들어진 기술로, 학습, 추론, 문제 해결과 같은 지능적 행동을 컴퓨터가 수행할 수 있게 합니다. AI는 처음에는 간단한 규칙과 로직을 기반으로 작동하는 시스템에서 출발했지만, 시간이 흐르며 머신러닝과 딥러닝과 같은 고급 기술로 발전했습니다. AI 기술은 지식 표현, 추론, 계획, 학습, 자연어 처리, 지각 등 다양한 기능을 통해 인간의 능력을 확장하고 산업 혁신을 촉진하고 있습니다. 2. 머신러닝 머신러닝은 데이터로부터 학습하여 패턴을 인식하고 예측을 수행하는 A...2025.01.15
-
퍼셉트론의 한계에 대한 논의2025.05.081. 퍼셉트론의 한계 퍼셉트론은 데이터에서 학습하고 정보를 분류하는 능력으로 주목받는 인공신경망이지만, 실제 적용을 제한하는 특정 한계가 있다. 주요 한계로는 선형적으로 분리 가능한 문제로 제한, 느린 수렴 속도, 초기 가중치에 민감, 이진 분류로 제한 등이 있다. 이러한 한계를 극복하기 위해 비선형 문제와 다중 클래스 분류를 처리할 수 있는 다층 퍼셉트론과 같은 보다 복잡한 신경망이 개발되었다. 1. 퍼셉트론의 한계 퍼셉트론은 선형 분리 가능한 문제만 해결할 수 있다는 한계가 있습니다. 이는 퍼셉트론이 입력 데이터를 단순히 선형 ...2025.05.08
-
전남대 6축로봇실험(기계공학실험)2025.05.101. 2차원 Task space를 갖는 로봇 프로그래밍 실험에서는 삼각형을 그릴 때 move L을, 원을 그릴 때 move P를 사용하여 로봇을 제어하였다. 용지 위의 원하는 지점에 점을 찍으면 해당 좌표(x, y)를 프로그램에 입력하여 웨이포인트를 설정하였다. 다음 점을 찍을 때는 처음 위치에서의 상대적인 이동량(x, y)을 지정하여 웨이포인트를 설정하였다. 실행 시 로봇이 선을 그리는 작업을 수행하였으며, 원을 그릴 때는 곡률을 고려하여 더 많은 웨이포인트를 설정하면 완벽한 원에 가까운 형상을 만들 수 있다. 2. 로봇 암의 모...2025.05.10
-
방통대 [딥러닝의통계적이해] 2024 출석과제물 (30점 만점 인증 / 표지제외 18페이지 분량 / 코드 및 해설 포함)2025.01.251. Teachable Machine을 이용한 이미지 분류 Teachable Machine에 판다 이미지 54개와 레서판다 이미지 21개를 각 클래스로 나누어 입력하고 학습시켰다. 학습 시도 횟수인 에포크는 50으로 설정되었으며, 배치 크기는 16으로 설정되었다. 학습률은 0.001로 설정되어 있으며, 학습이 완료된 모델에 테스트 이미지를 입력한 결과 판다와 레서판다의 사진 또는 그림에 대해 대부분 100%로 판단하고 정답을 맞추는 것을 확인할 수 있었다. 레서판다 이미지 샘플 수 부족을 보완하기 위해 학습률을 0.00057로 낮추...2025.01.25
-
딥러닝의 통계적 이해 출석 수업 과제물 (2023, 만점)2025.01.241. Teachable Machine을 이용한 머신러닝 모델 구축 Teachable Machine을 활용하여 이미지를 학습시켰다. 사용한 이미지는 구글 이미지에서 '귀멸의 칼날'이라는 애니메이션의 주인공 4명의 다른 사진들을 각각 10장씩 찾은 뒤 머신러닝의 입력값으로 사용하였다. 본 머신러닝으로 실제로 가지고 있는 피규어 사진을 찍어 이 사진을 입력하면 애니메이션 캐릭터를 정확하게 분류할 수 있는지 파악하고자 하였다. 다양한 하이퍼파라미터 조정을 통해 최적의 정확도를 얻고자 하였으나, 설정에 따른 결과 비교를 대량으로 진행하여 거...2025.01.24
-
인공지능이 어떻게 사람처럼 생각하게 되는가2025.05.081. 파블로프의 개 실험 파블로프의 개 실험은 동물의 학습과 조건부 반사에 대한 연구를 통해 일반화된 원리를 밝힌 실험입니다. 개에게 음식과 종소리를 연결시켜 종소리만으로도 침샘 분비 반응이 나타나는 조건부 반사를 관찰하였습니다. 이 실험은 행동심리학과 학습 이론에 큰 영향을 주었습니다. 2. 인공 신경망의 학습 인공 신경망은 입력과 출력 사이의 연관성을 학습하는 과정을 거칩니다. 초기에는 무작위로 설정된 가중치와 편향을 학습 데이터를 통해 조정하여 정확한 출력을 만들 수 있도록 개선됩니다. 이는 파블로프의 개 실험에서 관찰된 자극...2025.05.08
-
머신러닝 2024년 2학기 방송통신대 출석수업과제물 과제 슬라이드 1~7의 코드 및 설명을 참조하여 신경망 구성 및 test accuracy 출력2025.01.261. Fashion MNIST 데이터셋 Fashion MNIST 데이터셋은 옷 이미지 데이터셋으로, 10개의 클래스(T-shirt/top, Trouser, Pullover, Dress, Coat, Sandal, Shirt, Sneaker, Bag, Ankle boot)로 구성되어 있습니다. 이 데이터셋을 사용하여 신경망 모델을 구축하고 학습을 진행합니다. 2. 데이터 전처리 데이터 시각화를 통해 이미지 데이터를 확인하고, 픽셀 값을 0~1 사이의 실수로 정규화하여 모델 학습에 사용합니다. 이미지 데이터를 1차원 벡터로 변환하는 과정...2025.01.26
-
인공지능과 기계학습 중간정리2025.01.131. 예측자 예측자는 Y=AX의 관계가 선형일 때 사용된다. 예측자를 구하는 과정은 다음과 같다: 1) 임의의 값 A 설정 2) 주어진 데이터의 X를 대입하여 예측값 Y 출력 3) 목표값과 출력값을 비교하여 오차(error) 구하기 4) 오차가 양수인 경우 A를 늘려야 하며, 오버슈팅을 방지하기 위해 A를 조금씩만 조정해야 한다. 5) 이러한 과정을 반복(iteration)하여 A를 조정해나가는 것이 예측자 구하기의 핵심이다. 2. 분류자 분류자는 X·Y 평면에서 두 그룹을 분류하는 선형분류자를 말한다. 분류자 학습 과정은 다음과 ...2025.01.13
-
뇌와 인간 (AI vs. I)2025.05.071. 인공지능의 상식 이해 부족 인간은 생활 속 경험을 통해 많은 세상의 상식을 이해하고 있지만, 인공지능의 기계학습과 심층 신경망은 이러한 상식과 같은 모델을 만들지 못합니다. 인공지능은 연속해서 다음에 이어질 가장 높은 단어를 예측하는 데는 뛰어나지만, 인간보다 상식에 있어선 부족합니다. 이는 인공지능이 실제로 인간들과 상호작용하기 위해서는 언어뿐만 아니라 일상생활에서도 벌어질 수 있는 자연스러운 상황을 끊임없이 학습해야 한다는 것을 의미합니다. 2. 인공지능의 인과관계 이해 부족 인간은 꽃병을 떨어트리면 꽃병이 산산조각이 나고...2025.05.07
1 / 3
