하펜 스토어

하펜

개인인증

팔로워0 팔로우

소개

등록된 소개글이 없습니다.

전문분야 등록된 전문분야가 없습니다.

판매자 정보

학교정보

입력된 정보가 없습니다.

직장정보

입력된 정보가 없습니다.

자격증

입력된 정보가 없습니다.

판매지수

판매중 자료수

1개
전체 판매량

62개
최근 3개월 판매량

0개
자료후기 점수

평균D
자료문의 응답률

-

전체자료 1개

판매자 표지

컨소시엄의 모두의 인공지능 정리자료 평가D별로예요

1강1주차 제목은 인공지능 인문학입니다. (~소개~)1교시교수님 소개 - 수학, 컴퓨터, 문학사에 학위를 취득하였다. 취미는 수집, 그림 그리기.어릴 때 영화출현 경험. 전공은 컴퓨터 공학과 인공지능 관련인공지능의 범위는 굉장히 넓습니다. A.I의 인기가 올라가고 사람들이 관심을 가지면서 모두가 인공지능을 했다고들 한다.인공지능에서도 계산지능, 유전알고리즘, 신경망 교수의 주 연구분야 그리고 인공생명, 복잡계인공지능을 대체할 개념은 인공생명이다.강의목표는 인공지능을 이해하여 자신의 전공과 무관하게 자신이 속한 분야에 녹여내는 것이다. 융합, 색의 3원색, 빛의 3원색융합이란 빨간색 + 파란색 = 이것을 모아둔 것이 아니라 서로 다른 색이 합쳐져서 전혀 다른 색이 나오는 것이 융합이다.(1~14주차 강의내용 간략히 소개)강의 운영은 easy & clear & funteresting(fun + interesting). 쉽고 명확하게(평이명백) 재밌게 하도록 노력함2교시 ? 지능, 인공지능지능, 인공지능에 대한 정의를 알아볼 것이다. 지능이 무엇인가, 인공이 무엇인가 정의를 내리고 시작. 사전이 명확하고 유익하다. 노트를 준비하고 필기하며 머리를 쓰는 게 좋다.학생들은 돌을 물고 있는 개는 지능이 있고 돌은 지능이 없다고 대답한다.지능적인 생명체는 감정이 있다. 지능이 없는 개는 있을 수 있지만 감정이 없는 개는 없다.발달의 순서 : 감정 -> 지능‘인공지능(artificial intelligence)’ 사전에 나온 정의 : artificial + intelligenceartificial = 사람이 만든 것, 자연에 이미 있는 것 ex)인공섬유, 인공호수, 인공털, 조화 등intelligence = 능력. 추론, 합리적인 생각, 타당한 판단, 의견, 견해 등을 통해 배우고 이해하는 능력, 문제해결력artificial + intelligence = 사람이 가지고 있는 성질(지능)을 할 수 있는 기계를 만드는 학문, 연구인공지능의 두 가지 의미 : 위에서 설명된 학문 이러한 부분 여전히 활발하게 되고 있다. 불확실성, 기계학습. 우리나라에서는 그리고 요즘 분위기 에서는 머신러닝(기계학습)하고 데이터 마이닝을 거의 같은 개념으로 취급하잖아요. 그리고 인공신경망, 유전알고리즘은 잘모를수 있지만 쓸모있는 것이고요. 첫 번째가 탐색이있죠. 참고로 문제풀이라던가 정리증명, 추론, 계획, 인공지능 언어, 도구이러한 순서가있다. 우리가 배우는 탐색이라는 것이 인공지능과 함계 역사를 같이해온 기술이다. 물리학에서 운동을 말하듯이 인공지능에서는 가장 기본적인 개념이다.상태공간 탐색이라는 개념이 뭔가를 봅시다. 문제가 있다고 칩시다. 문제가 뭐냐면 입구에서 들어가서 출구로 나오는 것이에요. 미로찾기 같은문제를 해결해야 된다. 이럴 때 이제 인공지능 분야에서는 이런문제를 풀 때 문제를 해결하기 위해서 특히 사람이 문제를 풀때는 머릿속으로 문제를 푸는데, 컴퓨터로 문제를 풀때는 그것을 표현해야 하잖아요? 컴퓨터 내부에 그러면서 이제 이런 접근방법을 쓰게 됩니다. 자 우리가 왼쪽편과 같은 입구로 들어가서 출구로 나오는 문제를 풀 때, 이런걸 단계적으로 풀다보면 우리가 지금 어떤 갈릴김들, 우리가 지금 시작하는 부분, 우리가 쭉다가다 길이막히고 갈림길이 나오고 이런식으로 출구까지 중요한 위치들을 표시할 수 있겠죠. 그러면 이 문제를 푸는 것은 이런 관점에서 보는것입니다. 내가 지금 s라는 것에서 출발해서 g라는 것에 도달하면 되는거잖아요. 그러면 문제가 해결이 되는거죠. 그럴 때 이문 제에 대해 포인트가 되는 위치들을 표시해놓은 것을 상태공간으로 표시했다라고 이야기 하는 것이다. s상태에서 g상태에 도달하면 문제가 해결되는 것이다. 그다음에 s에서 a방향이나 b방향으로 갈수있겠죠. 그러면 s에서 a라는 상태로 간 경우에는 막다른 길에 도달하게 되는 것이고, b라는 상태로 가는 것은 d로가거나 또 다른길로 가는 것이죠. 그러면 결국 우리는 어떤 시행착오를 거치지 않는다면 s에서 출발에서 g로 도달하는데 s에서 b로가고 그다음 c로가고 그다음 g라는 가 만들어진다. 탐색트리 중에서도 문제가 교대로 하는 게임, 예를 들어 바둑이나 틱택토,에서 만들어지는 탐색트리를 게임트리라고 한다. 이 게임트리에 적용할 수 있는 대표적인 전략이 min-max 전략, 더 발달된 것이 알파베타 가지치기이다. 여기서 나오는 것은 1부터 숫자를 말하는데 5를 먼저 말하면 이기는 게임이다. 한번 말할 때 3개의 숫자를 말할 수 있다. 결론부터 말하면 이길 수 있는 방법은 첫 번째 내가 먼저 시작을 한다고 할 때, 숫자 1만 말하면 어느 경우던 간에 내가 무조건 이길 수 있다. 컴퓨터는 모든 경우를 따진다. 여기서 말하는 min-max 전략은 매 단계마다 내가 둘 차례에서는 내가 이기게 되고, 상대방은 내가 제일 손해보는 단계를 따라 갈 것이라고 수를 읽는 것이다. 내가 예를 들어 1,2,3을 외쳤을 때 상대의 선택은 4나 4,5의 두가지가 있다. 상대는 내가 제일 손해 보는 단계를 따라 갈 것이다. 결국 내 차례에는 max값을 선택하고, 상대방 차례에서는 min값을 선택하는 전략이다. 즉, 상대방이 이기는 전략이 있는 길은 버리는 것이다. 알파베타 가지치기는 min-max 전략보다 경우의 수를 줄이는 전략이다. 교대로 하는 게임에서 사용하는 것으로, 조금더 복잡하다. 알파 푸르닝(pruning)은 내가 둘 상황에서 하는 것이고, 베타 프루닝은 상대방이 둘 상황에 대한 것이다. 프루닝의 의미는 min-max 전략에서는 내가 어느 쪽으로 움직일지 계산을 할 때, 모든 단계가 계산이 되어 있었지만, 알파베타 가지치기에서는 값이 계산된 부분도 있고, 되지 않은 부분도 있다. 내차례에서 min-max 전략에 의해 같은 라인의 단계에서 가장 낮은 숫자를 제외한 길은 아예 버리고 가장 낮은 숫자의 길만을 선택하는 것이다. 그래서 min-max 전략보다 탐색공간을 훨씬 많이 줄일 수 있다.(4) 몬테카를로 탐색, AlphaGo!몬테카를로 탐색은 알파베타 푸르닝을 하더라도 경우의 수가 너무 많기 때문에 확률적으로 선택을 하는 것이다. 계산을 하는 마지막 출력층 눈으로 무엇인가 보고 내 입을 어떻게 할건지를 계산해보자 그러기 위해서는 뭐가 있어야 되냐면 가중치가 다 있어야 한다. 뉴런들이 받은 정보들을 어떻게 하는지 가중치가 있어야 하는데 13은 1번 과 3번을 연결하는 연결 가중치이다.다른강의 처럼 텍스트가 없다.그림넣고 설명하는거라 우리가 알고싶은 것은 출력인데 마지막뉴련이 출력이 얼마인지 알고싶은데 중간에서 값을 알아야한다 중간의 값을 알면 내가 받아들인값을 알수있다.서로서로 입력 중간층 마지막층의 수식대로 가중치를 곱하고 더하면 출력치를 구할수있다.여기서e는 숫자 2.7…입니다.와이3 와이4와이5는 아래의 수식재로 계산해야하고 나와있는 가중치를 대입하면 값을 계산할수 있고 출력의 값을 구할수 있습니다. 여기서 중요한거 다층신경과 출력을 계산한건데 이번시간은 학습인데 학습에서 중요한건 가중치의 역할이 중요합니다. 정보가 전달되는 양을 조절하는것이다 외부 자극에 의해서 어떻게 반응할지 다스리는 것이 시냅스이다 값은 입력이 들어왔을 때 출력이 달라지려면 가중치가 달라야합니다. 그러니 어떤 입력에 의해서 출력이 나오는 것은 가중치에 의해서 결정난다.신경망이 다르면 입력이 들오왔을 때 다르다. 다른사람이 같은 것을 봤을 때 어떤사람은 비슷하네 이럴때고 이런건 순전히 신경망이 달라서인데 같은 신경망에 대해서 결과치를 다를게 할수 있는 것은 가중치에 의해서이다.학습의 의미가중치는 시냅스를 추상화 한 것인다. 시냅스는 정보가 전달되는 양을 조절하는 것이다.수도관이라 예를들면 가중치는 수도꼭지라고 할수있다.결론은 인공신경에서 가중치는 정보가 흘러가는 통로의 벨브라고 볼수있고 그거에 의해서 정보의 양이 달라질수있다.가중치에 따라 들어오는 입력에 따라 출력이 결정된다.이런 각각의 가중치가 얼만큼 조절되어야 되는지가 학습이다. 가중치는 수도꼭지 같은거다 이거의 열리고 닫히고의 상태에 따라 출력의 상태가 결정난다. 그러니까 신경망이 해야할 일은 우리가 원하는 형태의 출력이 나오도록 해야하는데 이런 일을 사람이 해야한다 가면 보일거에요.” e 애매한 단어 사용컴퓨터는 정확한 입력이 있어야 정확한 결과를 내놓는다.자대교수는 퍼지이론의 개념을 잘 설명 ?> 불확실한 정도의 차이가 있다. 애매모호.어떤 사람에게 큰 건물이 다른 사람한테는 아닐 수 있다. 주관적기존의 집합개념은 퍼지 안에 들어감.뭐가 다르나?수학에서 집합의 개념: 모인 것. 속한 것을 구분할 수 있어야한다.키가 작은 사람 ={aaaa…}보통={BBBB….}큰 ={CCCC…..}e S={xlx180}퍼지 집합작 ={aaaaBBBBCCCCC…D} a=1 B=0.5 C=0보={aaaaBBBBCCCC…D} a=0.5 B=1 C=0.5큰={aaaaBBBBCCCC…D} a=0 B=0.5 C=1새로운 사람(D)이 오면 멤버십 값이 붙음.-> C는 작은 사람 집합에 속하는 정도값은 작다.어떤 대상이 어떤 집합에 속하느냐 아니냐를 기준을 정하는게 아니라 정도를 정한다.예)150인 사람은 작다라는 집합에 들어가는 정도는 1이다. 키가 보통이다라는 정도에 들어가는 멤버십값은 0 이다. 160은 작다에 들어가는 멤버십값은 1인데 이 사람이 보통에 들어가는 정도값은 0이다. 180까지는 멤버십이 0이고 190이 완전히 넘을 때 완전히 크다에 들어간다. 보통이다에 들어는 키는 165부터 커지기 시작해서 175이면 완전 보통. 175가 넘으면 보통이라고 하기에는 약간 크다에 가까움. 185쯤되면 보통아님. e 이게 퍼지 집합의 개념2) 퍼지 추론 fuzzy inference, 28/50/5퍼지 집합의 개념을 이용하면 이런 규칙을 사용할 수 있다.에어컨 제어하는 것.R1: IF(온도와 습도가 모두 높고, 방의 밀폐 정도가 높다) THEN 약냉R2: IF(온도와 습도가 모두 높고, 방의 밀폐 정도가 낮다)THEN 강냉R3: IF(온도가 높고 습도가 낮을 때는 밀폐 정도에 관계없다)THEN 약냉R4: IF(온도가 낮고 습도가 높을 때는 밀폐 정도에 관계없다)THEN약난R5: IF(온도와 습도가 모두 낮고, 방의 밀폐 정도가 높다)THEN약난R6:

공학/기술| 2022.06.13| 42페이지| 2,500원| 조회(1,351)

인공지능, 모두의인공지능, 모두의인공지능정리

미리보기

닫기