총 17개
-
인공지능 머신러닝 지도학습, 비지도학습, 강화학습의 실사례2025.01.161. 지도학습(Supervised Learning) 지도학습은 입력한 데이터와 출력한 데이터를 각각 공급하여 작동하는 유형으로, 훈련을 통해 알고리즘이 입력값을 바탕으로 내용을 처리하고 모델을 수정하며 원하는 출력에 근접하는 결과물을 산출하게 됩니다. 이는 분류와 예측 문제에 유용한 학습 방법으로, 스팸 이메일 탐지 기능은 대표적인 사례입니다. 해당 모델은 '스팸 메일'과 '비스팸 메일'로 레이블이 지정된 이메일 데이터 집합을 통해 학습되며, 키워드, 발신자 정보, 이메일 구조 및 내용과 같은 특징을 사용하여 새로운 수신 이메일을 ...2025.01.16
-
고전적 조건형성 및 조작적 조건형성 관련 실험 요약 / 조건형성 원리를 교육분야에 적용할 수 있는 방법에 대한 고찰2025.01.121. 고전적 조건형성 고전적 조건형성은 동물의 본능적인 반응과 조건 자극 간의 연결을 통해 학습이 발생하는 것입니다. 즉, 동물에게 무조건 자극(US)과 함께 조건 자극(CS)을 제공함으로써, 결국 조건자극 만으로도 무조건 자극과 유사한 반응인 조건 반응(CR)을 나타내게 되는 과정을 의미합니다. 파블로브식 조건형성실험에서 개가 종소리만 들려주어도 침샘 활동(CR)을 유발하는 현상이 고전적 조건형성의 예입니다. 이러한 조건형성은 동물의 본능적 반응을 이용하여 학습을 형성할 수 있다는 점을 시사합니다. 2. 조작적 조건형성 조작적 조...2025.01.12
-
DQN과 A2C network를 활용한 CartPole 강화학습 훈련과정 및 code2025.01.131. CartPole environment OpenAI gym의 CartPole은 카트 위에 막대기가 고정되어 있고 막대기는 중력에 의해 바닥을 향해 자연적으로 기울게 되는 환경을 제공한다. CartPole의 목적은 카트를 좌, 우로 움직이며 막대기가 기울지 않고 서 있을 수 있도록 유지시켜 주는 것이 목적인데, 강화 학습 알고리즘을 이용하여 막대기를 세울 수 있는 방법을 소프트웨어 에이전트가 스스로 학습할 수 있도록 한다. 2. DQN algorithm Deep Q-Network는 state-action value Q값을 Deep...2025.01.13
-
인공지능의 역사적 발전과 현재 동향2025.05.161. 인공지능 연구의 역사 인공지능 기술의 역사적 발전 과정을 살펴보며 현대에 이르기까지의 중요한 이정표와 혁신적인 발견들을 중점적으로 다룹니다. 앨런 튜링의 '컴퓨터와 지능' 논문에서 제시된 튜링 테스트는 인공지능 연구의 초기 방향을 제시했으며, 1950년대와 1960년대에는 인공지능의 기초적인 개념과 알고리즘이 개발되었습니다. 1980년대에는 신경망과 딥러닝 같은 현대 인공지능 기술의 기반이 형성되었고, 최근에는 인공지능 기술이 빠르게 발전하며 다양한 분야에서 혁신적인 변화를 가져오고 있습니다. 2. 인공지능 관련 연구 동향 딥...2025.05.16
-
교육심리학) 조작적 조건형성의 특징과 인간관, 그리고 응용방법을 서술하시오(A+리포트)2025.05.131. 조작적 조건형성의 특징 조작적 조건형성은 교육심리학에서 중요한 개념으로서, 개인의 행동을 형성하고 조절하는 과정을 설명하는 모델이다. 조작적 조건형성의 주요 특징은 조작적 자극의 역할, 강화와 효과, 행동의 조작성, 예측성과 제어성 등이다. 이를 통해 개인의 학습과 행동을 이해하고 개선할 수 있다. 2. 조작적 조건형성의 인간관 조작적 조건형성은 인간의 본성적 욕구와 목표지향성, 학습과 적응 능력, 자기효능감과 성취감, 예측과 제어 능력 등 인간관과 깊은 연관성을 갖는다. 이러한 인간의 특성들이 조작적 조건형성의 원리와 상호작...2025.05.13
-
슈퍼 마리오 - 인공지능은 어떻게 게임을 할까?2025.05.081. 데이터 기반 학습 인공지능은 슈퍼 마리오 게임 플레이 데이터를 사용하여 게임의 규칙과 패턴을 학습합니다. 이를 통해 어떤 상황에서 점프를 해야 하는지, 어떤 적과의 접촉을 피해야 하는지 등을 학습하게 됩니다. 2. 강화 학습 인공지능은 게임 플레이를 통해 보상과 벌점을 받고, 이를 통해 자동으로 학습하게 됩니다. 예를 들어 도착 지점에 도달하면 보상을 받고, 적에게 맞으면 벌점을 받는 식으로 학습하면서 게임을 플레이합니다. 3. 신경망과 패턴 인식 인공지능은 신경망 모델을 사용하여 게임 화면의 정보를 분석하고, 적의 위치, 장...2025.05.08
-
장애 영유아의 자폐 범주성 장애와 교수 방법2025.01.201. 자폐 범주성 장애의 판단 기준과 증상 자폐 범주성 장애는 사회적 의사소통 및 상호작용의 부족, 행동·관심·활동의 제한적이고 반복적인 패턴이 특징이다. 사회적 측면에서 전형적이지 않은 방식으로 부모에게 달라붙고 눈 맞춤이 어려우며, 다른 사람과의 관계 형성이 어렵다. 행동 측면에서는 변화에 대한 저항감이 크고 특정 무생물에 과도한 애착을 보이거나 반복적인 행동을 한다. 2. 자폐 범주성 장애의 교수 방법 자폐 범주성 장애 학생을 위한 교수 방법으로는 장애 특성을 고려한 개별화된 교육과정 운영, 시각적 접근과 강화 방법이 있다. ...2025.01.20
-
만성질환에 대한 적응적 치료 전략에서의 강화학습2025.05.111. 강화학습의 개념과 의의 강화학습은 환경과의 상호작용을 통해 최적의 의사 결정을 수행하는 방법을 학습하는 머신러닝 기법입니다. 강화학습은 만성질환 환자의 상태 변화에 적응하여 최적의 치료 전략을 개발하는데 활용됩니다. 2. 강화학습의 응용 분야 강화학습은 환자의 생체 반응과 약물 투여의 상호작용을 고려하여 최적의 약물 투여 전략을 탐색하고, 환자의 위험 요인과 생활 습관을 고려하여 개인 맞춤형 예방 전략을 개발합니다. 3. 강화학습의 장점 강화학습은 개별 환자의 특성과 응답에 따라 최적화된 치료 전략을 제시하며, 시뮬레이션을 통...2025.05.11
-
고전적 조건형성과 도구적 조건형성에 대한 이해2025.05.081. 고전적 조건형성 고전적 조건형성의 구성요소로는 무조건 자극(US), 무조건 반응(UR), 조건 자극(CS), 조건 반응(CR)이 있다. 고전적 조건형성의 과정은 1단계에서 개에게 종소리(CS)를 들려주고, 2단계에서 종소리(CS)를 울린 다음 먹기(US)를 준다. 이러한 과정을 수십차례 반복하면 3단계에서 종소리(CS)만 들려주고 먹이(US)를 주지 않아도 개가 침(UR)을 분비하는 조건 반응(CR)이 나타난다. 2. 도구적 조건형성 도구적 조건형성은 어떤 행동을 학습시키고자 할 때 그 행동이 나타났을 때 보상을 주는 것이다....2025.05.08
-
강화학습을 이용한 unslotted CSMA_CA backoff 학습법2025.04.251. IEEE 802.15.4 프로토콜 IEEE 802.15.4 프로토콜은 저전력 및 저속 WSN(Wireless Sensor Network)의 특성을 달성하기 위한 프로토콜입니다. MAC계층은 unslotted, slotted 두가지의 CSMA/CA알고리즘을 지원하며, 본 논문에서는 Unslotted CSMA/CA 알고리즘을 개선하고자 합니다. 2. Unslotted CSMA/CA 알고리즘 Unslotted CSMA/CA 알고리즘은 시간동기화 없이 패킷을 전송하지만, 주변 트래픽이 혼잡해질수록 패킷 충돌확률이 높아져 PDR이 급격...2025.04.25
1 / 2
