총 546개
-
트랜스포머 모델링2025.05.061. 트랜스포머 모델 트랜스포머는 어텐션만으로 구성된 신경망 모델로, RNN이나 CNN의 단점을 보완한 모델입니다. 트랜스포머는 어텐션 메커니즘을 사용하며, 단어를 동시에 고려할 수 있고 입력에 순서 정보가 없다는 특징이 있습니다. 트랜스포머 인코더는 멀티헤드 셀프 어텐션으로 구성되어 있으며, 트랜스포머 디코더는 마스크드 멀티헤드 셀프 어텐션을 사용합니다. 2. CNN의 문제점 CNN은 커널을 이용하기 때문에 이미지의 특징을 추출하는데 있어 국소적인 부분만을 고려하는 문제점이 있습니다. 3. RNN의 문제점 RNN은 시간의 흐름에 ...2025.05.06
-
트랜스포머 알고리즘의 개념과 적용 사례2025.01.251. 트랜스포머 알고리즘의 개념 트랜스포머 알고리즘은 주의 메커니즘을 기반으로 하는 딥러닝 모델로, 입력 데이터의 각 요소가 다른 모든 요소와의 관계를 고려하여 변환된다. 이를 통해 순차적인 처리 대신 병렬 처리가 가능하게 되어 학습 속도가 크게 향상되었다. 트랜스포머는 인코더와 디코더로 구성되어 있으며, 각 단계에서 다중 헤드 자기 주의 메커니즘을 사용한다. 이 알고리즘은 2017년 구글의 연구팀이 발표한 논문에서 처음 소개되었다. 2. 트랜스포머 알고리즘의 구조 트랜스포머 모델은 인코더와 디코더 블록으로 구성되어 있다. 인코더는...2025.01.25
-
트랜스포머 알고리즘의 개요와 적용 사례2025.01.171. 트랜스포머 알고리즘 트랜스포머 알고리즘은 2017년 구글의 연구팀이 발표한 딥러닝 모델로, 자연어 처리(NLP) 분야에서 혁신적인 변화를 가져왔습니다. 이 알고리즘은 인코더-디코더 구조와 어텐션 메커니즘을 기반으로 하며, 병렬 처리와 확장성을 통해 대규모 데이터를 효율적으로 처리할 수 있습니다. 2. 트랜스포머 알고리즘의 구조 트랜스포머 알고리즘은 인코더와 디코더로 구성됩니다. 인코더는 입력 데이터를 고차원 벡터로 변환하고, 디코더는 이 벡터를 다시 출력 데이터로 변환합니다. 핵심은 어텐션 메커니즘으로, 입력 데이터의 각 요소...2025.01.17
-
생성형 인공 지능 입문 족보 대비 문제은행(오프라인 기말고사, 세종대)2025.01.151. 생성형 인공지능이란? 생성형 인공지능은 데이터 전처리, 모델 학습, 결과 생성으로 구성되며, GPT와 ChatGPT와 같은 모델이 대표적입니다. 생성형 인공지능은 텍스트, 이미지, 소리, 동영상 등 다양한 콘텐츠 생성에 활용되지만, 데이터 의존성, 모델 복잡성, 윤리적 문제 등의 한계가 있습니다. 이를 해결하기 위해 데이터 증강, 전이 학습, 하드웨어 개선, 효율적인 알고리즘 개발 등의 방안이 필요합니다. 2. 언어 처리 신경망 개요 RNN은 순차 데이터 처리를 위해 필요하지만, 기울기 소실 문제가 있습니다. LSTM과 GRU...2025.01.15
-
챗GPT에게 묻는 인류의 미래 - 김대식 교수와 생성인공지능과의 대화 1장 발췌 요약2025.05.041. 챗GPT의 정의와 '학습' 챗GPT는 오픈 AI가 개발한 대규모 언어 모델이다. 인간처럼 텍스트를 이해하고 생성할 수 있도록 학습되었다. 또 질문에 대답하기, 정보 제공하기, 글쓰기 돕기와 같은 다양한 작업을 보조할 수 있다. 챗GPT는 GPT(Genterative Pre-training Transformer 생성적 사전학습 트랜스포머) 모델의 변형으로, 한 문장 안에서 앞에 오는 단어의 맥락을 고려해 다음 단어를 예측하도록 학습되었다. 2. 작동원리: 트랜스포머와 신경망 챗GPT 모델은 텍스트처럼 순차적 데이터를 처리하는 데...2025.05.04
-
[전기전자실험]1 오실로스코프 사용법 및 정류 회로(1)2025.01.231. 오실로스코프 사용법 오실로스코프의 내부 기능을 배우고 기본원리와 동작을 이해하며 측정을 위한 조정 단자를 익힌다. 오실로스코프의 구성, 동작원리, 조절기의 기능 등을 설명하고 있다. 2. 교류(AC) 전압 측정 오실로스코프를 사용하여 교류 신호의 전압, 주파수, 위상, 파형 등을 측정하는 방법을 설명하고 있다. 피크값, 피크-피크값, 실효값 등의 개념을 다루고 있다. 3. 직류(DC) 전압 측정 오실로스코프를 사용하여 직류 전압을 측정하는 방법을 설명하고 있다. 4. 트랜스포머(변압기) 유도성 전기 전도체를 통해 전기 에너지를...2025.01.23
-
딥러닝을 활용한 최신 추천 기술 동향2025.12.191. 신경망 기반 임베딩 기법 기존 행렬 분해 모델의 선형적 한계를 극복하기 위해 신경망 임베딩 기법이 등장했다. Neural Collaborative Filtering(NCF)은 MLP 구조를 통해 사용자-아이템 상호작용을 비선형적으로 모델링하며, 사용자와 아이템의 잠재 표현을 비선형 공간으로 확장하여 전통적인 잠재 요인 모델보다 높은 예측 정확도를 제공한다. 2. 시퀀스 기반 추천과 RNN 사용자의 순차적 행동 맥락을 반영하기 위해 RNN과 LSTM 기반 모델이 적용되었다. GRU4Rec 모델은 전자상거래 클릭스트림 데이터를 학...2025.12.19
-
생성형 인공지능(AI)의 원리 및 장점2025.12.211. 생성형 AI의 개념과 정의 생성형 인공지능(Generative AI)은 기존 데이터를 학습하여 패턴과 규칙을 파악한 후 새롭고 독창적인 텍스트, 이미지, 음성, 코드 등 다양한 형태의 콘텐츠를 생성할 수 있는 인공지능 모델입니다. 기존의 판별형 AI가 데이터 분류와 예측에 특화된 반면, 생성형 AI는 학습한 패턴을 변형하고 조합하여 완전히 새로운 결과물을 만들어내는 능력을 갖추고 있습니다. 챗GPT, 뤼튼, 제미나이 등이 대표적인 생성형 AI 서비스입니다. 2. 생성형 AI의 핵심 원리 생성형 AI는 방대한 데이터 학습을 통해...2025.12.21
-
기계번역의 역사와 신경망 번역 모델의 진화2025.12.191. 규칙 기반 기계번역(RBMT) 1960~1970년대 연구의 중심이었던 규칙 기반 기계번역은 언어학자들이 방대한 문법 규칙과 사전을 구축하여 번역 규칙을 체계화하려 한 방식이다. 직접 번역, 전이 기반 번역, 중간언어 방식 등이 사용되었으나, 언어마다 고유한 문법과 표현을 일일이 규칙화하는 것은 방대한 비용과 노력이 요구되었으며, 예외적 표현과 맥락의 다양성을 충분히 반영하지 못해 번역 품질이 제한적이었다. 2. 통계적 기계번역(SMT) 1980년대 후반 이후 컴퓨터 성능 향상과 대규모 이중언어 코퍼스 축적으로 시작된 통계적 기...2025.12.19
-
기계학습과 자연어처리의 융합2025.12.191. 자연어처리(NLP)의 정의와 발전 자연어처리는 인간이 사용하는 언어를 기계가 이해하고 처리할 수 있도록 하는 기술이다. 초기 규칙 기반 접근법의 한계를 극복하기 위해 1980년대 후반부터 기계학습이 도입되었다. 기계학습은 데이터로부터 패턴을 학습하여 모델이 스스로 규칙을 찾아내도록 하는 방법론으로, 언어의 다양성과 확률적 특성을 효과적으로 다룰 수 있는 틀을 제공했다. 오늘날 자연어처리는 검색엔진, 기계번역, 챗봇, 음성비서, 의료 기록 분석 등 다양한 분야에서 핵심 기술로 자리 잡았다. 2. 기계학습의 학습 방식과 자연어처리...2025.12.19
1 / 55
