본문 바로가기
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.
summary 프로그램에서 자료를 다루기 위해 필요한 여러가지 자료구조에 대해 배움 스택, 큐, 데크 연결 리스트, 환형 연결 리스트, 이중 연결 리스트 해쉬, 더블해쉬, 맵 트리, 트리 순회 방법, 이진 트리, 이즘진 탐색 트리, AVL 트리, 힙, 우선 순위 큐 그래프, 무방향 그래프, 방향 그래프, DFS, BFS, 다익스트라 알고리즘 2020. 7. 18.
5. link layer 2계층 1. link layer intro 2. MAC : multiple access protocol 3. LANs 4. MPLS – link virtualization 5. Data center network 2020. 7. 18.

티스토리툴바