인공지능
-
인공지능 - 5. Neural Network(CNN)인공지능 2021. 5. 30. 18:44
MLP의 한계: layer의 수가 늘어날수록 학습속도와 일반화속도가 매우 느려진다. Local minima: 기울기 강하 학습법의 근본적인 문제 = 오차가 충분히 작지않은 지역극소에서 학습이 멈춤(원하는 오차까지 줄어들지 않음) - Online mode, Simulated annealing 사용으로 해결 Slow Learning: Plateau Problem - 학습이 느려지는 평평한 구간이 나타, gradient(가중치 수정폭이 gradient의 크기에 의존) 크기가 점점 작아져서 학습이 느려짐(Vanishing gradient problem: 오차신호가 입력층으로 내려오면서 점점 약해짐) Plateau 원인: saddle의 존재 (극대, 극소가 아닌 점) Overfitting: 학습데이터에 포함된 노..
-
인공지능 - 3. Classification인공지능 2021. 5. 23. 22:13
1. Bayesian Classifier 각 클래스에 속할 확률을 통해 클래스를 분류하는 모델 분류절차: 1. 학습 데이터의 수집 2. 클래스별 분포 특성 분석 3. 클래스 결정 이분류 문제: 데이터가 두 클래스중 어디에 속하는가? 데이터X가 각 클래스(A, B)에 속할 확률 P(A|x) or P(B|x)계산 이분류 문제의 결정경계 함수 g(x) = P(A|x) - P(B|x) = 0: g(x)의 값이 양수이면 A, 음수이면 B로 구분한다. 다중 클래스 문제 우도비검증: 값의 비율을 통해 분류를 결정한다. (우도비: 각 클래스에서 input값이 관찰될 확률밀도의 비율) - g(x) = p(x|A)p(A), c(x) = argmax{g(x)} g(x): x가 A에 속할 확률*전체 데이터중 A일 확률 arg..
-
인공지능 - 1. 개요인공지능 2021. 5. 23. 19:50
본 포스팅은 학부생이 공부하며 작성하는 글입니다. 부정확한 표현이나 잘못 이해한 부분이 있을 수 있습니다. 양해부탁드립니다. 인공지능의 큰 주제는 데이터를 어떻게 다루느냐 이다. 데이터를 어떻게 분석하느냐, 표현하느냐에 따라 그 목적이 달라지고 다양한 기법이 적용된다. Data Analysis - Classification (분류) - Clustering (군집화) - Regression & Prediction (회귀와 예측) Data Representation - Feature Extractio (특징 추출) 1. Classification(분류) 입력된 데이터가 어떤 부류에 속하는지 판단하는 문제: 문자인식, 생체인식, 문서분류, 음성인식, 객체인식 Naive Bayes Classification K..