총 17개
-
자연어처리 대표논문 읽기 과제2025.01.121. 신경 기계 번역 신경 기계 번역은 최근에 제안된 기계 번역 접근법으로, 기존의 통계 기계 번역과 달리 단일 신경망을 구축하여 번역 성능을 극대화하는 것을 목표로 합니다. 본 논문에서는 기존 신경 기계 번역 모델의 한계를 극복하기 위해 RNN 검색 모델을 제안하였고, 이를 통해 소스 문장의 관련 단어나 주석과 대상 단어를 올바르게 정렬할 수 있게 되었습니다. 실험 결과 제안된 모델이 기존 인코더-디코더 모델을 크게 능가하고 문장 길이에 더 견고한 것으로 나타났습니다. 2. 기계 번역 기계 번역은 소스 문장 x의 조건부 확률 p(...2025.01.12
-
트랜스포머 모델링2025.05.061. 트랜스포머 모델 트랜스포머는 어텐션만으로 구성된 신경망 모델로, RNN이나 CNN의 단점을 보완한 모델입니다. 트랜스포머는 어텐션 메커니즘을 사용하며, 단어를 동시에 고려할 수 있고 입력에 순서 정보가 없다는 특징이 있습니다. 트랜스포머 인코더는 멀티헤드 셀프 어텐션으로 구성되어 있으며, 트랜스포머 디코더는 마스크드 멀티헤드 셀프 어텐션을 사용합니다. 2. CNN의 문제점 CNN은 커널을 이용하기 때문에 이미지의 특징을 추출하는데 있어 국소적인 부분만을 고려하는 문제점이 있습니다. 3. RNN의 문제점 RNN은 시간의 흐름에 ...2025.05.06
-
경영정보시스템_인공지능의 개념과 기술 그리고 활용사례에 대해 조사하시오.2025.05.121. 인공지능이란 인공지능이란 인간 지능이 필요한 업무 등을 정상적으로 수행할 수 있는 컴퓨터 시스템의 이론과 개발, 그리고 시각 인식, 음성 인식, 의사 결정, 언어 번역 등을 수행하는 어플리케이션이나 능력을 의미한다. 2. 인공지능의 분류 인공지능은 강한 인공지능과 약한 인공지능으로 구분된다. 강한 인공지능은 사람과 같이 자유로운 사고와 감정표현 등을 하는 것이 가능하고 자아의식을 가지고 있는 인공지능을 의미하며, 약한 인공지능은 자의식이 없는 머신러닝 기법으로 만들어진 전문가 시스템을 의미한다. 3. 기계학습 기계학습은 컴퓨터...2025.05.12
-
Transformer 기술이 바꿔버린 AI의 세상2025.05.081. Transformer 기술 Transformer 기술의 출현은 NLP 분야의 혁명과 같았습니다. RNN(순환 신경망)과 같은 이전 기술은 병렬 처리가 불가능하여 GPT와 같은 많은 양의 언어학습을 위해서는 수백년이 걸릴수 있었습니다. 반면, Transformer 기술은 병렬 처리가 가능하여 여러개의 GPU를 병렬로 가동시키면 수백년걸릴 학습기간을 몇개월로 단축시킬 수 있어 대규모 언어를 학습하는 데 사용할 수 있게 되었습니다. 이는 GPT와 같은 생성 AI의 발전에 중요한 획을 그었습니다. 2. Attention 메커니즘 At...2025.05.08
-
딥러닝의 EEG 신호 분석에서의 활용과 CNN의 원리2025.01.141. 딥러닝 기반 EEG 분석 딥러닝 기법들은 동작상상, 감정인식 등 EEG 데이터 분류 작업에서 우수한 성능을 보인다. 딥러닝 알고리즘은 EEG 데이터 수집과 전처리, 딥러닝 모형 학습, 신호 분류 및 해석의 과정으로 구성된다. 전처리 과정에서는 입력받은 뇌파 신호를 분류하기 쉬운 형태로 바꿔주어 분류의 정확도를 높여야 한다. 2. EEG분석을 위한 딥러닝 기법 EEG 분석을 위한 딥러닝 기법에는 CNN, RNN, GAN, Autoencoder 등이 있다. 입력되는 데이터의 특징에 따라 CNN보다 RNN이 자극에 의한 변화를 인식...2025.01.14
-
A+인공지능의 개념과 기술 그리고 활용사례에 대해 조사하시오2025.05.151. 인공지능의 개념 인공지능은 일반적으로 인간의 지능이 필요한 과제를 수행할 수 있는 컴퓨터 시스템의 이론과 개발을 의미합니다. 인공지능 기술에는 시각 인식, 음성 인식, 의사 결정과 언어 간 응용 또는 번역 능력 등이 포함됩니다. 2. 인공지능의 분류 인공지능은 크게 강한 인공지능과 약한 인공지능으로 구분됩니다. 강한 인공지능은 인간처럼 자유롭게 생각하고 감정을 표현할 수 있는 인공지능을 의미하며, 약한 인공지능은 자기의식이 없는 기계학습 기술이 만들어내는 전문가 시스템을 의미합니다. 3. 기계학습 기계학습은 컴퓨터 프로그램이 ...2025.05.15
-
[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
-
시계열 데이터 분석 기법의 장단점 및 예시2025.01.261. ARIMA 모델 ARIMA 모델은 시계열 데이터의 선형적 관계를 잘 포착하여 비교적 간단한 수식으로 데이터 예측이 가능하다는 장점이 있습니다. 주식 가격 예측, 경제 지표 예측, 수요 예측 등에서 유용하게 사용될 수 있습니다. 그러나 비선형적이거나 계절적 패턴을 가진 데이터에는 적합하지 않으며, 모델의 설정 및 파라미터 최적화가 복잡할 수 있다는 단점이 있습니다. 2. 지수평활법 지수평활법은 데이터의 최신 변화에 빠르게 반응하여 짧은 기간의 예측에 특히 유리합니다. 이 방법은 비교적 간단하고 직관적이며, 데이터가 급격히 변동할...2025.01.26
-
고려대학교 객체지향프로그래밍 A+ 기말고사 치팅시트2025.05.101. 프로그래밍 언어 프로그래밍 언어는 컴퓨터가 수행할 수 있는 모든 것을 설명할 수 있어야 하며, 프로그래머가 의도한 바를 정확히 표현할 수 있어야 합니다. 튜링 기계는 무한한 테이프, 읽기/쓰기/삭제 장치, 상태 테이블을 가지고 있으며 튜링 완전하거나 튜링 동등합니다. 실제 컴퓨터는 선형 한정 레지스터 기계(거의 만족)입니다. 대부분의 언어가 튜링 완전하기 때문에 문제가 되지 않습니다. 프로그래밍 언어는 오류 방지, 사용성 등의 기준을 만족해야 합니다. 2. 프로그래밍 패러다임 프로그래밍 패러다임은 좋은 프로그래밍 언어의 기준을...2025.05.10
-
생성형 인공 지능 입문 족보 대비 문제은행(오프라인 기말고사, 세종대)2025.01.151. 생성형 인공지능이란? 생성형 인공지능은 데이터 전처리, 모델 학습, 결과 생성으로 구성되며, GPT와 ChatGPT와 같은 모델이 대표적입니다. 생성형 인공지능은 텍스트, 이미지, 소리, 동영상 등 다양한 콘텐츠 생성에 활용되지만, 데이터 의존성, 모델 복잡성, 윤리적 문제 등의 한계가 있습니다. 이를 해결하기 위해 데이터 증강, 전이 학습, 하드웨어 개선, 효율적인 알고리즘 개발 등의 방안이 필요합니다. 2. 언어 처리 신경망 개요 RNN은 순차 데이터 처리를 위해 필요하지만, 기울기 소실 문제가 있습니다. LSTM과 GRU...2025.01.15
1 / 2
