총 20개
-
AI 기반 효소 예측 기술 DeepEC 발표2025.01.031. AI 합성곱 신경망 합성곱 신경망(Convolutional Neural Network, CNN)은 시각적 영상을 분석하는 데 사용되는 다층의 피드-포워드적인 인공신경망의 한 종류입니다. CNN은 원본 이미지를 단순화, 변형, 샘플링하는 과정을 통해 효과적으로 이미지 특징을 추출할 수 있습니다. 2. 효소 예측 기술 'DeepEC' DeepEC은 4개의 EC 번호와 138만 8,606개의 단백질 서열 빅데이터를 학습한 딥러닝 기술입니다. 3개의 CNN을 주요 예측 기술로 사용하여 EC 번호를 예측하며, 예측에 실패할 경우 서열 ...2025.01.03
-
인공지능 기반 효소 예측 기술 DeepEC2025.01.031. 열화학 반응과 반응엔탈피 열화학 반응은 열을 에너지 원천으로 하여 진행되는 반응으로, 발열 반응과 흡열 반응으로 구분된다. 반응엔탈피는 생성물질의 엔탈피에서 반응물질의 엔탈피를 뺀 값으로, 반응의 방향과 정도를 나타낸다. 2. 효소 효소는 세포의 생화학반응을 촉진하는 단백질 촉매로, 기질과 결합하여 효소-기질 복합체를 형성함으로써 화학 반응의 활성화 에너지를 낮추어 반응 속도를 증가시킨다. 효소는 열화학 반응에 관여하지만 반응 엔탈피를 유발하지는 않는다. 3. 합성곱 신경망 합성곱 신경망은 시각적 영상을 분석하는 데 사용되는 ...2025.01.03
-
딥러닝의 EEG 신호 분석에서의 활용과 CNN의 원리2025.01.141. 딥러닝 기반 EEG 분석 딥러닝 기법들은 동작상상, 감정인식 등 EEG 데이터 분류 작업에서 우수한 성능을 보인다. 딥러닝 알고리즘은 EEG 데이터 수집과 전처리, 딥러닝 모형 학습, 신호 분류 및 해석의 과정으로 구성된다. 전처리 과정에서는 입력받은 뇌파 신호를 분류하기 쉬운 형태로 바꿔주어 분류의 정확도를 높여야 한다. 2. EEG분석을 위한 딥러닝 기법 EEG 분석을 위한 딥러닝 기법에는 CNN, RNN, GAN, Autoencoder 등이 있다. 입력되는 데이터의 특징에 따라 CNN보다 RNN이 자극에 의한 변화를 인식...2025.01.14
-
딥러닝을 이용한 이미지 세그멘테이션과 디노이징2025.05.051. 이미지 세그멘테이션 이미지 세그멘테이션은 이미지를 픽셀 단위로 끊어 분류하는 문제입니다. 신경망을 학습시켜 각 픽셀이 어떤 범주에 해당하는지 예측하도록 합니다. 2. 이미지 디노이징 이미지 디노이징은 이미지에 섞인 노이즈를 걸러 흐린 이미지를 선명하게 하는 문제입니다. 3. U-Net U-Net은 이미지 세그멘테이션과 디노이징을 위한 대표적인 딥러닝 모델입니다. 인코더-디코더 구조를 가지며, 인코더에서 추출한 특징을 디코더에서 참조할 수 있어 정보 복원에 도움이 됩니다. 하지만 설계 자유도가 낮고 메모리가 많이 필요한 단점이 ...2025.05.05
-
텐서플로우 딥러닝 (CNN)2025.05.051. 데이터 세트 학습 데이터에 사용할 영상은 Google에서 이미지 검색으로 꽃을 검색하고, FatKun이라는 크롬 확장 프로그램을 사용하여 영상을 다운로드 받았다. 테스트 데이터에 사용할 영상은 꽃을 직접 구입하여 촬영한 영상 데이터를 사용했다. 학습 데이터는 총 234개, 테스트 데이터는 총 150개이며, 검증 데이터는 훈련데이터의 20%를 사용하여 총 57개이다. 2. 합성곱 신경망 (CNN) 기본적으로 이미지 분류를 하기 위해서는 합성 곱 신경망(CNN)이 필요하다. 2차원 CNN의 특징 추출 부분은 MaxPool2D층과 ...2025.05.05
-
인공신경망의 작동 원리 및 파이썬을 이용한 신경망의 손글씨 데이터 인식2025.01.141. 인공신경망의 작동 원리 인공신경망은 뇌 속 뉴런의 작동 원리를 컴퓨터로 구현한 정보 처리 시스템이다. 인공신경망은 입력층, 은닉층, 출력층으로 구성되며 입력값과 가중치의 곱을 활성화함수에 넣어 출력값을 생성한다. 행렬곱을 이용하여 가중치 계산을 수행하며, 오차 역전파를 통해 가중치를 업데이트하여 학습을 진행한다. 학습률은 신경망 학습 속도에 중요한 영향을 미친다. 2. 파이썬을 이용한 신경망의 손글씨 데이터 인식 MNIST 데이터베이스의 숫자 손글씨 데이터를 이용하여 3계층 신경망 모델을 구현하였다. 초기화, 학습, 질의의 3...2025.01.14
-
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
-
고려대학교 객체지향프로그래밍 A+ 기말고사 치팅시트2025.05.101. 프로그래밍 언어 프로그래밍 언어는 컴퓨터가 수행할 수 있는 모든 것을 설명할 수 있어야 하며, 프로그래머가 의도한 바를 정확히 표현할 수 있어야 합니다. 튜링 기계는 무한한 테이프, 읽기/쓰기/삭제 장치, 상태 테이블을 가지고 있으며 튜링 완전하거나 튜링 동등합니다. 실제 컴퓨터는 선형 한정 레지스터 기계(거의 만족)입니다. 대부분의 언어가 튜링 완전하기 때문에 문제가 되지 않습니다. 프로그래밍 언어는 오류 방지, 사용성 등의 기준을 만족해야 합니다. 2. 프로그래밍 패러다임 프로그래밍 패러다임은 좋은 프로그래밍 언어의 기준을...2025.05.10
-
[인공지능의세계 A+] 기말고사 문제풀이 객관식 + 서술형 + 단답형 문제+해설2025.05.101. 기계학습 기계학습은 인간의 학습능력을 기계나 컴퓨터에서 구현한 것으로, 지도학습과 비지도학습으로 구분할 수 있다. 지도학습은 학습 데이터의 정답이 주어지는 반면, 비지도학습은 정답이 주어지지 않는다. 신경망은 자동으로 가중치를 학습하는 기계학습 방식이다. 강화학습은 보상을 통해 최적의 행동을 학습하는 방식으로, 알파고가 자체 연습 대국을 통해 좋은 수를 학습하는 데 사용되었다. 2. 클러스터링 K-Means 클러스터링은 데이터를 K개의 클러스터로 분류하는 방법이다. K-Means 클러스터링의 단점은 k의 개수를 사전에 정해야 ...2025.05.10
-
인공지능의 개념과 기술 그리고 국내외의 활용사례2025.01.181. 인공지능의 분류 인공지능은 크게 약한 인공지능과 강한 인공지능으로 분류할 수 있다. 약한 인공지능은 기계학습 기술을 가진 전문가들이 설계한 시스템으로, 특정 분야에서 지능적인 행동을 한다. 강한 인공지능은 사람처럼 자유롭게 생각하고 감정을 표현할 수 있는 범용 인공지능을 의미한다. 2. 기계학습 개념 및 특징 기계학습은 데이터를 분석하고 학습한 내용을 의사결정에 적용하는 알고리즘이다. 기계학습은 다수의 사례를 통해 패턴을 학습하고 이를 바탕으로 판단한다는 점에서 '패턴 인식'이라고도 불린다. 기계학습은 알고리즘을 통해 데이터를...2025.01.18
1 / 2
