Game Playing Game Playing에 AI를 적용하는 이유 인간과 바로 비교할 수 있다 game play은 non-trivial game is well defined and repeatable game is limited and accessible One-Ply Search 내가 선택 가능한 case들을 대상으로 evaluation function으로 평가 나에게 제일 유리한 case 선택 => max Two-Ply Search 내가 선택 가능한 case들을 계산하고, 이후 상대방이 선택 가능한 case들까지 계산하여 evaluation fuction으로 평가 상대의 case들 중에서 나에게 제일 치명적인 것을 선택 => min 나에게 치명적인 것들 중에서 나에게 제일 유리한 것을 선택 => max 어차피 지는 경우.. 2020. 7. 19. Heuristic Search Search Techniques Blind : near optimal은 고려하지 않고 decision을 결정 - DFS (depth first search) - BFS (breadth first search) Heuristic : near optimal인 경우 decision - Hill climbing - Best-first search - greedy search - A* search Generate-and-Test generator가 possible solution을 생성 tester가 actual solution인지 확인 - incorrect solution –> generator가 다시 possible solution 생성 - correct solution -> stop Hill climbing.. 2020. 7. 19. Convolutional Neural Network CNN 개요 컨볼루션 신경망은 입력된 이미지에서 “feature(특징)”을 추출하기 위해 filter(=mask)를 도입하는 기법 input의 다양성 : Trickier cases translation : 치우침 scaling : 사이즈가 크고 작음 rotation : 회전 weight : 두께 input이 위와 같이 다양하기 때문에 부분을 나누어서 부분별 feature 파악 convolution layer input과 filter(=kernel)를 합성곱을 하여 input 데이터의 feature를 추출한다. 여러개의 filter를 이용하여 많은 feature들을 추출 => feautre Map이 형성 됨 - 활성화함수로 ReLU를 이용 : 추출된 값들 중에 음수는 0으로 설정 cnn parameter .. 2020. 7. 18. 신경망 개요 및 구현 분류(classification)와 예측(prediction) 분류 : 데이터들을 특정 기준으로 나눌 수 있는 ‘선형구분자’를 설정하여 분류. 오차를 이용하여 구분자의 기울기를 조정하는 것을 ‘학습’이라고 한다. - Error = target – actual Learning rate(L) : 학습률은 업데이트의 정도를 저장 update parameter : new A = A + dA = A + L(E/x). 예측 : 새로운 data가 들어오면 구분자에 의해 어떤 output으로 분류될지 판단 => 예측과 분류는 다른 것이 아님 XOR 문제의 경우 선형분류자는 하나가 아니다 -> 여러개의 선형 분류자를 이용 -> 인공신경망은 여러개의 분류자가 함께 동작 인공신경망 인공뉴런은 X1부터 Xn까지 입력 값에 각.. 2020. 7. 18. 인공지능, 머신러닝, 딥러닝 개요 인공지능 vs 머신러닝 vs 인공신경망 vs 딥러닝 - 인공지능 : 사람의 지능을 모방하여 사람처럼 복잡한 일(인지, 추론, 결정 등)을 할 수 있는 기계를 만드는 것 - 머신러닝 : 인공지능을 구현하기 위한 기법으로, 컴퓨터가 명시적으로 프로그램되지 않고도 대량의 데이터와 알고리즘으로 학습할 수 있도록 하는 것. - 인공신경망 : 생물학적 뉴런 모델을 수학적으로 모델링한 인공뉴런을 여러개 쌓아서 만든 네트워크. - 딥러닝 : 머신러닝을 구현하기 위해 사용되는 기술로, 인공신경망을 활용하여 데이터를 학습. => 입력값의 결과와 정답의 차이인 에러를 구하고, 에러를 이용하여 가중치를 업데이트 함으로써 스스로 학습 2020. 7. 18. 이전 1 다음
