총 191개
-
인공신경망의 작동 원리 및 파이썬을 이용한 신경망의 손글씨 데이터 인식2025.01.141. 인공신경망의 작동 원리 인공신경망은 뇌 속 뉴런의 작동 원리를 컴퓨터로 구현한 정보 처리 시스템이다. 인공신경망은 입력층, 은닉층, 출력층으로 구성되며 입력값과 가중치의 곱을 활성화함수에 넣어 출력값을 생성한다. 행렬곱을 이용하여 가중치 계산을 수행하며, 오차 역전파를 통해 가중치를 업데이트하여 학습을 진행한다. 학습률은 신경망 학습 속도에 중요한 영향을 미친다. 2. 파이썬을 이용한 신경망의 손글씨 데이터 인식 MNIST 데이터베이스의 숫자 손글씨 데이터를 이용하여 3계층 신경망 모델을 구현하였다. 초기화, 학습, 질의의 3...2025.01.14
-
엑셀에서 회귀식 구하기 대 인공신경망의 회귀식 구하기2025.05.101. 엑셀에서의 회귀식 구하기 엑셀에서도 회귀식을 구하는 기능을 제공하지만, 데이터의 복잡성과 비선형적인 관계를 모델링하는 데에는 한계가 있습니다. 엑셀에서는 선형 회귀식, 지수 회귀식, 로그 회귀식, 다항식 회귀식 등 다양한 형태의 회귀식을 구할 수 있으며, R-squared 값을 통해 회귀식의 적합도를 평가할 수 있습니다. 그러나 R-squared 값만으로는 비선형적인 관계를 가진 데이터에 대한 적합도를 완전히 판단할 수 없으므로, 시각적인 확인과 다른 평가 지표를 함께 고려해야 합니다. 2. 인공신경망에서의 회귀식 구하기 인공...2025.05.10
-
딥러닝 2024년 2학기 방송통신대 출석수업과제물) 인공신경망과 관련된 설명 중 올바른 것을 선택하시오. 다층 퍼셉트론의 구조를 확장하는 방법 등2025.01.261. 인공신경망 인공신경망은 생물학적 뉴런의 작동 원리를 모방하여 만든 기계 학습 모델입니다. 다층 퍼셉트론(MLP)은 인공신경망의 한 형태로, 입력층, 하나 이상의 은닉층, 그리고 출력층으로 구성됩니다. 인공신경망은 복잡한 문제를 해결할 수 있는 능력이 있으며, 활성화 함수를 통해 비선형 관계를 학습할 수 있습니다. 2. 경사 하강법 경사 하강법은 손실 함수의 기울기를 계산하고 이를 활용하여 가중치를 업데이트하는 최적화 알고리즘입니다. 보폭 크기(learning rate)가 너무 크면 손실 함수가 발산하는 문제가 발생할 수 있습니...2025.01.26
-
인공지능이 어떻게 사람처럼 생각하게 되는가2025.05.081. 파블로프의 개 실험 파블로프의 개 실험은 동물의 학습과 조건부 반사에 대한 연구를 통해 일반화된 원리를 밝힌 실험입니다. 개에게 음식과 종소리를 연결시켜 종소리만으로도 침샘 분비 반응이 나타나는 조건부 반사를 관찰하였습니다. 이 실험은 행동심리학과 학습 이론에 큰 영향을 주었습니다. 2. 인공 신경망의 학습 인공 신경망은 입력과 출력 사이의 연관성을 학습하는 과정을 거칩니다. 초기에는 무작위로 설정된 가중치와 편향을 학습 데이터를 통해 조정하여 정확한 출력을 만들 수 있도록 개선됩니다. 이는 파블로프의 개 실험에서 관찰된 자극...2025.05.08
-
인공지능과 기계학습 기말정리2025.01.131. 신경망의 오차 출력계층의 오차와 은닉계층의 오차를 구하는 방법에 대해 설명합니다. 출력계층의 오차는 목표값과 출력값의 차이이지만, 은닉계층에는 목표값이 존재하지 않기 때문에 출력계층의 오차를 재조합하여 은닉계층의 오차를 구합니다. 이러한 방식을 역전파라고 합니다. 2. 경사하강법 오차함수의 기울기에 따라 가중치를 조정하는 경사하강법에 대해 설명합니다. 오차함수로는 제곱오차 방식을 사용하며, 기울기의 부호에 따라 가중치를 반대 방향으로 조정합니다. 오버슈팅을 방지하기 위해 기울기가 완만해질수록 조금씩만 움직이도록 합니다. 3. ...2025.01.13
-
[연세대학교] 센서공학 - 프로젝트 보고서 (LSTM)2025.01.151. 인공 지능 인류는 오래전부터 인간처럼 생각하는 기계를 꿈꿔왔으며, 1956년 미국에서 인공 지능이라는 용어가 처음으로 등장했습니다. 최근 인공 지능이 보여준 여러 성과는 Neural network로 표현되는 Deep learning에 기인하며, 데이터로부터 유용한 정보를 자체적으로 추출할 수 있는 것이 특징입니다. 2. 센서 기술 바이올린, 기타 등 현악기의 현의 진동을 전기 신호로 바꿔주는 장치를 Pickup이라고 하며, Piezoelectric pickup과 Magnetic pickup으로 나눌 수 있습니다. 바이올린의 경...2025.01.15
-
설명 가능한 인공지능, XAI (Explainable Artificial Intelligence)2025.05.101. 인공지능 신경망의 동작 인공지능 신경망의 동작은 사람의 뇌와 유사하지만, 내부 동작과 의사 결정 과정을 직접적으로 이해하기 어렵다. 이는 다른 사람의 뇌 안에서 일어나는 생각을 이해하기 어려운 것과 유사하다. 2. XAI (Explainable Artificial Intelligence) XAI는 인공지능 모델의 내부 동작과 의사 결정 과정을 설명 가능하게 만드는 기술을 개발하는 것을 목표로 한다. 이를 통해 모델의 예측에 영향을 미치는 요인을 이해하고 신뢰성을 높일 수 있다. 3. XAI 기술 특성 XAI는 시각화, 중요도 ...2025.05.10
-
인공지능이 어떻게 사람처럼 생각할 수 있는가2025.05.081. Pavlov's Dog Experiment Pavlov의 개 실험은 동물 학습과 조건 반사에 대한 연구를 통해 일반화된 원리를 밝혀냈습니다. 이 실험은 1890년대부터 1900년대 초반에 걸쳐 진행되었으며, 현대 심리학과 행동 심리학의 중요한 기반이 되었습니다. Pavlov의 실험은 주로 개를 대상으로 이루어졌는데, 개에게 먹이를 줄 때 종소리를 울리는 등의 조건을 주고 타액 분비 반응을 관찰했습니다. 초기에는 음식을 보고 타액이 분비되는 것이 개의 자연스러운 반응이었지만, 종소리와 먹이의 연결이 지속되면서 개들은 종소리만으로...2025.05.08
-
퍼셉트론의 한계에 대한 논의2025.05.081. 퍼셉트론의 한계 퍼셉트론은 데이터에서 학습하고 정보를 분류하는 능력으로 주목받는 인공신경망이지만, 실제 적용을 제한하는 특정 한계가 있다. 주요 한계로는 선형적으로 분리 가능한 문제로 제한, 느린 수렴 속도, 초기 가중치에 민감, 이진 분류로 제한 등이 있다. 이러한 한계를 극복하기 위해 비선형 문제와 다중 클래스 분류를 처리할 수 있는 다층 퍼셉트론과 같은 보다 복잡한 신경망이 개발되었다. 1. 퍼셉트론의 한계 퍼셉트론은 선형 분리 가능한 문제만 해결할 수 있다는 한계가 있습니다. 이는 퍼셉트론이 입력 데이터를 단순히 선형 ...2025.05.08
-
물리 정보화 신경망(Physics-Informed Neural Network, PINN)2025.05.101. 물리 정보화 신경망(Physics-Informed Neural Network, PINN) 물리 정보화 신경망(Physics-Informed Neural Network, PINN)은 물리학적인 지식을 신경망 구조에 통합하여 과학적 모델링 및 예측에 사용되는 기술입니다. 이 방법은 데이터 기반 기계 학습과 물리학적 모델링을 결합하여 주어진 물리적 시스템에 대한 효율적인 모델링을 수행할 수 있습니다. PINN은 물리학적 법칙과 제약 조건을 신경망 아키텍처에 내재화하여 물리학적 문제를 해결하며, 제한된 데이터 세트로부터 모델을 학습하...2025.05.10
1 / 20
