(2020-2학기) 방송통신대학교 컴퓨터과학과 인공지능 기말고사 과제물

소개글

(2020-2학기) 방송통신대학교 컴퓨터과학과 인공지능 기말고사 과제물

목차

1. 몬테카를로 트리 탐색의 개념과 탐색 과정을 구성하는 단계들에 대하여 A4용지 1매 정도로 정리하여 설명하라. (20점)

2. k-평균 군집화에 대한 다음 질문에 답하라. (20점)
(가) k-평균 군집화에 대하여 간략히 설명하라. (A4용지 1매 이내)
(나) k=2이며, 평균 벡터의 초깃값은 (2, 8)과 (8, 1)일 때, 2차원 특징공간상에서 다음과 같은 입력 표본들을 대상을 k-평균 군집화를 수행하라. (각 반복 단계에서 표본벡터의 변화를 구하라.)
입력 표본집합 = {(1, 2), (2, 3), (4, 2), (7, 10), (5, 7), (9, 7)}

3. 신경회로망 및 심층학습(딥러닝)에 대한 다음 질문에 답하라. (가)~(다) 각각 A4용지 1매 정도로 정리하여 작성한다. (30점)
(가) 로젠블랫이 제안한 단층 퍼셉트론의 개념과 한계점을 설명하라.
(나) 오차 역전파(BP) 모델의 개념을 설명하고, BP 학습 과정에서 발생하는 경사 소멸 문제에 대하여 설명하라.
(다) 합성곱 신경망(CNN)의 개념을 간략히 설명하고, CNN을 구성하는 층에 대해 설명하라.

본문내용

몬테카를로 트리 탐색은 게임과 같은 의사결정 문제에 활용되는 경험적 탐색 알고리즘이다. 방대한 경우의 수가 있는 게임에서 경험적 지식을 이용한 평가함수를 만드는 것은 매우 어렵다. 이와 같은 경우 수많은 무작위 수를 적용하여 반복실험을 하고 예상확률을 알아내고, 이미 알고 있는 부분과 수학적으로 적절히 알맞게 구성해서 가장 정답에 가까운 값을 계산하는 것이 몬테카를로 방법이다. 몬테카를로 트리는 이 몬테카를로 방법을 토대로 여러 트리 탐색 기법과 결합하여 발전한 알고리즘이다. 탐색공간의 무작위 표본화를 바탕으로 탐색 트리를 구성한다. 주로 게임 AI에서 사용되고 있다.

몬테카를로 트리 탐색 과정은 크게 다음과 같은 네 단계로 구성된다.
선택 : 현재 노드에서 어떤 자식 노드로 가야할지 결정하기 위해서 각 노드에서 선택전략을 사용한다. 선택전략을 통해 가장 승률이 좋은 결과를 이끌어낼 수 있는 자식노드를 판단하여 선택한다. 루트 노드에서 시작하여 선택전략에 따라 자식 노드를 선택하는 과정을 깊이방향으로 반복한다. 이 선택을 반복하여 아직 시도해 보지 않은 행동이 남아 있는 노드에 도달할 때까지 반복한다.
확장 : 선택된 노드의 자식노드를 추가하여 트리를 확장한다.
시뮬레이션 : 확장된 노드로부터 시작하여 게임이 끝날 때까지 스스로 수를 선택하여 게임을 진행하는 과정을 반복한다. 시뮬레이션 전략에 따라 순수한 무작위 방법으로 할 수도 있고, 유사 무작위 수를 둘 수도 있다.
역전파 : 역전파는 루트 트리로 다시 올라가는 과정이다. 시뮬레이션의 결과를 잎 노드로부터 시작하여 루트 노드에 도달할 때까지 경로를 역추적하여 경로상에 존재하는 노드들에 시뮬레이션의 결과를 반영한다. 이를 통해 어떤 자식 노드를 선택했을 때 승률이 높은지 통계를 업데이트하게 된다.

이 탐색 과정을 거쳐 최종적으로 최적 행동을 선택한다. 가장 우수한 자식 노드를 선택해야 하는데 이 자식노드를 선택하는 기준엔 몇 가지가 있다. 가장 큰 보상을 갖는 자식노드, 가장 많이 방문한 자식노드, 방문횟수가 가장 많고 가장 큰 보상을 갖는 자식노드, 신뢰도 하한이 최대인 자식 노드이다.

참고 자료

없음