기리깅깅 스토어

기리깅깅

개인인증

팔로워0 팔로우

소개

등록된 소개글이 없습니다.

전문분야 등록된 전문분야가 없습니다.

판매자 정보

학교정보

입력된 정보가 없습니다.

직장정보

입력된 정보가 없습니다.

자격증

입력된 정보가 없습니다.

판매지수

판매중 자료수

7개
전체 판매량

35개
최근 3개월 판매량

1개
자료후기 점수

평균B
자료문의 응답률

100%

전체자료 7개

[2023] 방송통신대학교 운영체제 중간과제물 만점 리포트

2023학년도 1학기 중간과제물(온라인 제출용)교과목명:운영체제학번:-성명:-연락처:-※ A4용지 편집 사용1. (1)선점 스케줄링 정책은 실행 중인 프로세스를 강제적으로 멈추고 다른 프로세스에게 CPU를 할당할 수 있는 스케줄링 정책이다. 선점 스케줄링 정책은 중요도가 낮은 프로세스 실행 중간에 중요도가 높은 프로세스가 실행되도록 할 수 있고 스케줄링 정책에 따라 다르지만 프로세스에 대한 평균 응답시간 등을 효과적으로 낮출 수도 있다. 하지만 선점 스케줄링 정책은 CPU를 강제로 다른 프로세스에 할당하는 과정에서 문맥 교환으로 인한 오버헤드가 발생한다는 단점 또한 있다. 선점 스케줄링 정책에는 SRT(Shortest Remaining Time), Round Robin, 다단계 피드백 큐 스케줄링 등이 있으며 정책 별로 각기 다른 장단점을 가진다.1. (2)다단계 피드백 큐 스케줄링은 다단계의 준비 큐를 큐 간에 우선 순위와 CPU 할당 길이에 있어 차등을 두며 운영하되 각 큐에 있는 프로세스가 다른 단계의 큐로 이동할 수 있는 스케줄링 방식이다.다단계 피드백 큐 스케줄링의 대략적인 규칙은 다음과 같다.1) 각 단계의 큐에 있는 프로세스가 실행되려면 그 전 단계의 큐가 비어 있어야 한다.2) 높은 단계의 큐들은 긴 시분할(time slice)을 가진다.3) 큐에 할당된 시분할 내에 대기 상태나 종료 상태가 되지 못한 프로세스는 더 높은 단계의 큐로 이동된다.위 규칙 외의 사항(각 단계의 큐가 가지는 시분할 길이, CPU Starvation 방지를 위한 낮은 단계 큐로의 이동, 프로세스 최초 생성 시 삽입되는 큐의 단계, 각 큐가 큐 내부에서 시분할 분배를 위해 따르는 알고리즘 등)은 세부적인 구현에 따라 달라진다.다단계 피드백 큐 스케줄링은 연산은 많이 하지 않지만 I/O를 위해 낮은 반응 시간이 필요한 프로세스와 연산 중심의 프로세스가 효율적으로 작동하게 한다는 장점이 있다. 그러나 알고리즘이 복잡해 구현이 어렵고 CPU 오버헤드가 크다는 단점이 있다.2. (1)1) 큐는 3단계로 이루어져 있으며, 각 단계의 큐는 각각 2 사이클, 3 사이클, 4 사이클의 시분할을 가진다.2) 모든 큐는 Round Robin 알고리즘을 따른다.3) 모든 프로세스는 최초 생성 시 가장 높은 우선 순위를 가진 큐인 1단계 큐에 삽입된다.4) CPU Starvation 방지를 위한 낮은 큐로의 이동은 없다프로세스ABCDE도착시각02357CPU 사이클63124위의 가정 하에서 경과 시간에 따른 프로세스 실행은 다음과 같이 이루어진다.시각실행 큐프로세스잔여 사이클결과준비큐 1준비큐 2준비큐 30-1큐1A51-2큐1A4A -> 큐22-3큐1B2A3-4큐1B1B -> 큐2CA4-5큐1C0C 종료A, B5-6큐1D1A, B6-7큐1D0D 종료A, B7-8큐1E3A, B8-9큐1E2E -> 큐2A, B9-10큐2A3B, E10-11큐2A2B, E11-12큐2A1A -> 큐3B, E12-13큐2B0B 종료EA13-14큐2E1A14-15큐2E0E 종료A15-16큐3A0A 종료A 프로세스는 0 사이클에 도착해 큐1에 삽입되고 곧바로 실행되고 0-2 사이클에 걸쳐 실행된 뒤 큐1에 할당되는 사이클의 길이인 2를 모두 소모했으므로 큐2에 삽입된다. 동시에 큐1에 프로세스 B가 삽입된다. 프로세스 B도 A와 동일한 과정을 거치고 3-4 사이클에 도착한 프로세스 C가 실행된다. 프로세스 C는 종료까지 1사이클만 필요하므로 3-4 사이클에서 실행된 뒤 반환된다. 이와 동시에 프로세스 D가 큐1에 들어오면서 실행된다. 프로세스 D가 필요로 하는 2 사이클은 큐1의 할당량 내이기 때문에 5-7 사이클에 걸쳐 실행된 뒤 반환된다. 이와 동시에 프로세스 E가 큐1에 삽입되면서 실행된다. 프로세스 E는 3 사이클을 필요로 하므로 7-9 사이클에 걸쳐 실행된 뒤 큐2의 가장 뒤에 삽입된다. 이제 새로 도착한 프로세스가 없고, 큐1이 비어 있으므로 큐2에 가장 먼저 삽입된 프로세스 A가 큐2의 할당량인 3 사이클 간 실행된 후 큐3에 삽입된다. 다음으로 프로세스 B가 1 사이클 간 실행된 후 반환된다. 다음으로 큐2의 마지막 프로세스, 프로세스 E가 2 사이클 간 실행된 후 반환된다. 큐2가 비었으므로 큐3에 삽입된 프로세스 A가 잔여 사이클 1 사이클 간 실행된 후 반환된다.2. (2)2. (1)에서 실행되는 각 프로세스들의 반환 시간과 평균 반환 시간은 다음과 같다.프로세스 A 반환 시간 = 16 – 0 = 16프로세스 B 반환 시간 = 13 – 2 = 11프로세스 C 반환 시간 = 4 – 3 = 1프로세스 D 반환 시간 = 7 - 5 = 2프로세스 E 반환 시간 = 15 – 7 = 8평균 반환 시간 = (16 + 11 + 1 + 2 + 8) / 5 = 7.62. (3)비선점 스케줄링 알고리즘 중 SJF를 위와 동일한 상황에 적용하면 각 프로세스의 반환 시간과 평균 반환 시간은 다음과 같다.프로세스 A 반환 시간 = 6 – 0 = 6프로세스 B 반환 시간 = 12 – 2 = 10프로세스 C 반환 시간 = 7 – 3 = 4프로세스 D 반환 시간 = 9 – 5 = 4프로세스 E 반환 시간 = 16 – 7 = 9평균 반환 시간 = (6 + 10 + 4 + 4 + 9) / 5 = 6.6

컴퓨터과학과| 2024.01.04| 4페이지| 3,500원| 조회(86)

운영체제, 방통대, 방송통신대

미리보기

닫기
[2024-1] 방송통신대학교(방통대) 인공지능 중간과제물 평가 30점 만점 받은 리포트

2024학년도 1학기 중간과제물(온라인 제출용)교과목명:인공지능학번:x성명:x연락처:x※ A4용지 편집 사용과제 명세서에 포함되어 있던 그림은 아래 (나) 문제와 (다) 문제 아래 삽입 되어있습니다. 참고하시기 바랍니다.(가)상태공간 탐색으로 이 문제를 풀이하려면 먼저 문제의 상태를 컴퓨터가 이해할 수 있는 형태로 표현하고 적절한 탐색 알고리즘을 적용해야한다. 이를 위해서는 문제의 상태를 표현할 수 있는 적합한 자료구조를 선정하고, 탐색 알고리즘을 결정하여 구현해야한다.이러한 유형의 문제의 간선 상태 표현에 주로 쓰이는 자료구조는 인접리스트와 인접 행렬 등이 있다. 인접 리스트는 각 지점 별로 이동 가능한 다른 지점들의 정보를 리스트 형태로 저장하는 자료구조다. 인접 행렬은 2차원 배열 형태로 각 지점 간의 거리(또는 연결 상태)를 저장하는 자료구조다. 간선 정보 저장을 위한 인접행렬 또는 인접리스트와 현재 방문한 지점 정보, 현재 소모한 비용과 같은 추가적인 상태 정보를 포함하는 구조체 등을 이용하면 이 문제를 적절하게 표현하는 자료구조를 만들 수 있다.상태를 표현할 적절한 자료구조를 만들었다면 그 후에는 상태 간의 전이를 만들기 위한 연산자를 정의해야한다. 연산자를 정의하는 방법에는 대표적으로 두 가지 방법이 있다. 첫 번째 방법은 모든 입력 상태묘사에 대해 가능한 모든 출력 상태묘사를 미리 저장한 테이블인 변환 테이블을 통해 연산자를 정의하는 것이다. 이 문제에서는 지점과 간선의 수가 적기 때문에 변환 테이블을 이용할 수도 있다. 하지만 경로 찾기 문제에서 변환 테이블을 이용한 정의는 잘 쓰이지 않는다. 경로와 지점의 수가 많아진다면 변환 테이블의 크기가 폭발적으로 증가할 수 있기 때문이다. 두 번째 방법은 일반화된 변환 규칙을 정의하는 방법이다. 이 방법은 하나의 상태를 다른 상태로 변환시키는 함수를 통해 연산자를 정의한다. 이 문제에 두 번째 방법을 적용하면 현재 상태와 이동할 간선을 입력 받고 후계 상태를 생성해 반환하는 함수와 같은 함수가 연산자의 역할을 한다.상태를 묘사할 자료구조와 연산자를 정의를 하고 초기 상태인 지점 a와 목표 상태인 지점 h를 자료구조로 표현하면 컴퓨터로 문제를 표현하는 것은 끝이 난다.탐색 알고리즘에는 크게 목표 노드의 위치와 무관한 특정한 기준에 따라 적용할 연산을 선택하는 맹목적 탐색, 그리고 목표 노드의 위치와 관련된 정보를 사용하는 경험적 탐색, 두 가지 분류가 있다. 맹목적 탐색의 구현은 비교적 간단하지만 비효율적인 탐색을 할 가능성이 높다. 경험적 탐색은 항상 옳진 않지만 많은 경우 잘 들어맞는 정보인 경험적 정보를 사용하는 탐색 방식이다. 경험적 탐색은 맹목적 탐색에 비해 효율적인 탐색을 할 가능성이 높다. 이러한 경로찾기 문제에 적용되는 대표적인 알고리즘에는 경험적 탐색 방법인 A* 알고리즘이 있다.상태탐색을 통해 이 문제를 푸는 것은 인접리스트, 인접 행렬, 현재 지점 등을 포함한 상태묘사 자료구조를 정의하고, 이를 기반으로 탐색 알고리즘을 적용하는 과정으로 요약할 수 있다.(나)A* 알고리즘으로 최단경로를 탐색하기 위한 평가함수는 다음과 같다.위 평가함수를 적용했을 때 구해지는 탐색 트리는 다음과 같다.위의 [그림1], [그림2] 사진은 과제물 명세서에 포함되어 있던 그림으로, 과제 제출 시에는 포함되지 않았지만 리포트를 보시는 분들의 이해를 돕기 위해 포함되었습니다.(다)A* 알고리즘으로 최소시간 경로를 구하기 위한 평가함수는 다음과 같다.위 평가함수를 적용했을 때 구해지는 탐색트리는 다음과 같다.위의 [그림1], [그림2] 사진은 과제물 명세서에 포함되어 있던 그림으로, 과제 제출 시에는 포함되지 않았지만 리포트를 보시는 분들의 이해를 돕기 위해 포함되었습니다.(라)A* 알고리즘은 다음으로 확장할 노드를 정할 때, 아직 확장되지 않은 모든 노드 중 평가함수 의 값이 가장 작은 노드를 확장한다. 은 출발 노드에서 노드까지 도달하기 위해 소모한 실제 비용으로, 정확하게 측정된 값이다. 은 이 가지는 지점에서 목표 지점까지 갔을 때 소모될 비용을 경험적으로 예측한 것이다. 만약 모든 노드 에 대해, 경험적으로 예측한 비용인 이 목표 지점까지 갔을 때 실제로 소모될 비용인 보다 작거나 같다고 할 수 있다면, 즉 이 성립한다면, 모든 노드들의 평가함수 값 은 과소평가 되었거나 정확하게 평가되었다고 할 수 있다.목표 지점을 가지는 모든 노드 의 상태에서 목표지점으로 가는데 소모될 비용의 예측치 항상 이다. 그러므로 는 출발 노드에서 실제로 까지 도달하는데 필요한 비용인 와 동일하다고 할 수 있다. 즉, 값은 정확하게 평가된 것이다.정리하자면 일 때, 모든 은 과소평가 되었거나 정확하게 평가되었고, 특히 목표 지점을 가지는 모든 노드 에 대한 평가함수 값인 는 정확하게 평가된 값이다. 그리고 A* 알고리즘은 확장되지 않은 모든 노드 중 이 가장 작은 노드를 골라서 확장한다. 두 사실을 종합하면 도착 지점을 가지는 노드 가 선택되어 확장된 시점에, 는 다른 확장되지 않은 모든 노드의 이 과소평가 되었을 가능성이 있음에도 불구하고 평가함수 값 중 작은 값을 가지고 있다고 할 수 있다. 따라서 일 때, A* 알고리즘은 최소비용경로를 찾는 것을 보장한다.위에서 서술한 바에 따라 판단하였을 때, (나)의 방식은 최단경로를 탐색하는 것을 보장한다고 할 수 있다. A* 알고리즘은 인 경우 최소비용 경로를 탐색하는 것을 보장하고, 직선거리인 은 직선이 아닌 실제 경로 보다 항상 작은 값을 가지기 때문이다.(마)(다) 방식은 최소시간 경로를 탐색할 수도 있지만, 이를 보장하는 것은 아니다. 주어진 조건에 따라 (다) 방식은 최소시간 경로를 찾을수도, 못 찾을수도 있다.(라)에서 서술한 바와 같이 A* 알고리즘은 이 성립할 때 최소비용(시간) 경로를 찾는 것을 보장한다. (다) 방식은 을 ‘노드 이 가지는 지점에서 까지의 직선거리 / 16km’로 계산하지만, 실제 도로 중 일부의 평균 시속은 16km/h를 초과하고, 그러한 도로들만 통해서 이루어진 경로도 있다. 따라서 (다)의 방식은 실제로 드는 비용보다 예상되는 비용을 과대평가할 여지가 있고, A* 알고리즘은 과대평가된 예상 비용 때문에 실제로는 최소비용 경로에 포함되는 노드를 확장하지 않은 채로 엉뚱한 경로를 구하고 종료될 수 있다.

컴퓨터과학과| 2024.05.13| 4페이지| 4,000원| 조회(121)

인공지능, 방통대, 방송대, 방송통신대학교

미리보기

닫기
[2023] 방송통신대학교(방통대) 시뮬레이션 과목 중간과제물 만점 리포트 평가D별로예요

2023학년도 2학기 중간과제물(온라인 제출용)교과목명:시뮬레이션학번:-성명:-연락처:-※ A4용지 편집 사용Contents TOC o "1-3" h z u Hyperlink l "_Toc147595491" 조건 PAGEREF _Toc147595491 h 2 Hyperlink l "_Toc147595492" 프로그램 PAGEREF _Toc147595492 h 3 Hyperlink l "_Toc147595493" 출력결과 PAGEREF _Toc147595493 h 5 Hyperlink l "_Toc147595494" 결과분석표 PAGEREF _Toc147595494 h 6조건아래와 같은 조건에서 과제를 수행했습니다.학번: -seed: -사용한 언어: C프로그램아래와 같이 소스코드를 수정하였습니다.// SIMULATION FOR A QUEUEING SYSTEM TO EVALUATE MEAN QUEUE LENGTH //// AND MEAN WAITING TIME //// TLIMIT : the time limit expressed in minutes //// TIME : the time expressed in minutes //// TSTEP : the time increment in minutes //// TPUMP : the service time that a custom has left //// PRARR : the probability of a custom arriving in any minute //// AVEQUE : the average queue length //// TOTQUE : the totals of queue length //// TOTARR : the totals of arrivals //// AVGWT : average of waiting time //// PROGRAM EX3-3 //#include#include#define SEED (학번);float mean=5.f;// RANDOM NUMBER GENERATOR //void random(long *np, float *up){*np = *np * 843314861 + 453816693;if(*np < 0){ *np = *np +2147483647;*np = *np + 1;}*up = *np * 0.4656612e-9;}// POISSON RANDOM VARIABLE GENERATOR //void poissn(long *np, int *pp){float prod,b,u;*pp = 0;b = exp(-mean);prod = 1;random(np,&u);prod=prod*u;while (prod >= b){ random(np,&u);prod = prod * u;++(*pp);}}// MAIN PROGRAM //void main(){long seed,nseed;int p, queue=0, totque=0, arrive, tstep=1,totarr=0;float prarr=22.0/60.0, tpump=0.0, time=0.0, tlimit=50, u=0, aveque=0,avgwt;FILE *output;seed=SEED;nseed=SEED;avgwt = 0.0;output = fopen("c:\work\ex3-3.out","wt");fprintf(output," SIMULATION FOR A QUEUEING SYSTEM nn");fprintf(output,"THE TIME STEP = %d n",tstep);fprintf(output,"THE TIME LIMIT = %3.0f n",tlimit);fprintf(output,"THE ARRIVAL PROBABILITY = %4.2f n",prarr);fprintf(output,"THE POISSON MEAN = %1.0f n",mean);fprintf(output,"THE SEED = %ld nn",seed);fprintf(output," TIME ARRIVAL QUEUE TPUMPn");while (time < tlimit){time = time + tstep;arrive = 0;random(&seed, &u);if (u < (prarr*tstep)){ arrive = 1;queue = queue + arrive;totarr = totarr + 1.0;}if (tpump > 0.0){ tpump = tpump - tstep;if (tpump < 0.0) tpump = 0.0;}if ((tpump == 0) && (queue != 0)){ queue = queue - 1;poissn(&nseed, &p);tpump = p;}totque = totque + queue;fprintf(output," %3.0f %d %d %2.0f n",time,arrive,queue,tpump);}fprintf(output," THE SIMULATED TIME = %5.1f n",tlimit);fprintf(output," THE TOTAL ARRIVALS = %d n",totarr);fprintf(output," THE TOTAL QUEUE = %d n",totque);aveque = totque / (tlimit/tstep);avgwt = totque /(float)totarr;fprintf(output," MEAN QUEUE LENGTH = %4.2f n",aveque);fprintf(output," MEAN WAITING TIME = %9.7f n",avgwt);fclose(output);}출력결과출력결과는 아래와 같이 나왔습니다.결과분석표고객도착시간도착간격봉사시간출발시간대기시간1*************26155대기시간 합계7

컴퓨터과학과| 2024.01.04| 6페이지| 3,500원| 조회(462)

C언어, 시뮬레이션, 방통대, 방송통신대학교, 소스코드, 중간과제물

미리보기

닫기
[2023] 방송통신대학교(방통대) 머신러닝 과목 출석수업과제물 리포트

출석수업 과제물(평가결과물) 표지(온라인제출용)교과목명 : 머신러닝학 번 : -성 명 :-강 의 실 : -연 락 처 : -___________________________________________________________________________1. 머신러닝의 일반적 처리 과정1. 학습1.1. 학습 데이터 전처리1.2. 학습 데이터 특징 추출1.3 학습 진행1.4. 결정 함수 생성2. 추론2.1 테스트 데이터 전처리2.2 특징 추출2.3 추론 진행2.4 처리 결과 획득[‘ 각 과정에 대한 설명 미흡/누락’ 으로 이 항목에서 2점 감점 받았습니다.][저와 동일한 과제를 하신다면, 처리과정을 모호하지 않고 명확하게 정리하시면 더 나은 점수를 받을 수 있을겁니다]2. 머신러닝의 4가지 주제분류회귀정의주어진 입력을 미리 정의된 이산적인 출력으로 매핑하는 문제주어진 입력을 연속적인 실수 값으로 매핑하는 문제학습 목표분류 오차를 최소화하는 결정 경계 획득출력과 실제 값 사이의 오차를 최소화하는 회귀함수를 찾는 것입력 형태학습: 데이터와 해당 데이터의 클래스 레이블추론: 데이터학습: 특징 벡터와 그것에 해당하는 실수 값추론: 특징 벡터출력물클래스 레이블실수 값응용 분야OCR, 얼굴 인식 등주가 예측, 시장 예측 등적용 방법확률 기반 방법: 베이즈 정리 활용하여 학습을 통해 구해지는 선험확률을 통해 후험확률을 계산데이터 기반 방법: 데이터 간 거리를 활용로지스틱 회귀: 회귀의 결과값을 일정 범주로 매핑하고 이를 활용등등..선형 회귀: 계수와 절편에 대한 오차함수의 편미분을 통해 최적의 기울기와 절편을 구함로지스틱 회귀: 선형 회귀의 출력을 [0, 1]의 범위로 매핑하여 출력다항 회귀: 고차다항식을 사용하는 회귀비선형 회귀: 신경망과 같은 비선형함수를 사용등등..학습 유형지도학습지도학습군집화특징 추출정의주어진 데이터 집합을 교집합이 없는 여러 개의 부분집합으로 나누는 문제데이터에서 불필요한 정보를 제거하되, 중요한 정보는 유지하는 문제학습 목표그룹 내 분산은 최소화하고 그룹 간 분산은 최대화하는 최적의 그룹 집합불필요한 정보를 제거하고 유의미한 정보는 보존하는 최적의 변환함수 획득입력 형태특징 벡터특징 벡터 또는 특징 벡터와 그룹 레이블의 쌍(LDA)출력물입력 데이터가 속하는 레이블변환된 데이터응용 분야이미지 분할, 고객 그룹화 등얼굴 인식용 특징 추출, 분석 효율성 향상을 위한 차원 축소, 데이터 시각화 등적용 방법K-평균 군집화: 데이터 간 거리를 활용하여 주어진 데이터 집합을 K개의 그룹으로 묶음계층적 군집화: 각 데이터를 하나의 군집으로 취급하고, 가까운 군집과 점차 병합(병합적 방법)등등주성분 분석법: 각 성분의 고유치를 계산하여 고유치가 높은 것 위주로 추출선형판별분석법: 데이터와 클래스 정보를 함께 활용하여 각 클래스 간의 평균 차이는 크고, 각 클래스 내의 분산은 작아질 수 있도록 추출거리 기반 차원 축소 방법: 추출 전 데이터 간의 거리가 추출한 후에도 되도록 유지되게 추출등등학습 유형비지도 학습지도학습, 비지도학습3. 신경망 모델의 3가지 구성요소인공 신경세포실제 신경세포가 수행하는 것과 유사한 수학적 함수로 정의하나 이상의 다른 신경세포로부터 입력 신호를 받고 가중치를 곱한 뒤 모두 더해 가중합을 구함입력신호의 가중합 를 활성화 함수 에 입력해 출력 을 생성활성화 함수의 예시계단함수: 가중합이 임계치를 넘어가면 1, 넘지 않으면 0을 출력부호함수: 가중합이 임계치를 넘어가면 1, 넘지 않으면 -1을 출력하는 부호를 가진 함수선형함수: 가중합 에 대한 일차방정식의 형태를 가지는 함수시그모이드 함수: 가중합을 0과 1 사이로 매핑하여 출력. 계단함수와 비슷하지만 미분이 가능함.하이퍼탄젠트 함수: 가중합을 -1과 1사이로 매핑하여 출력. 부호함수와 비슷하지만 미분이 가능함.ReLU 함수: 가중치가 0 이하면 0을 출력하고, 0을 초과하면 가중치를 그대로 출력. 딥러닝에 많이 쓰임신경망 구조신경세포들이 서로 연결된 구조를 의미연결 개수에 따른 분류Fully connected network(=dense network): 한 층에 있는 각각의 신경세포가 이웃한 층에 있는 모든 신경세포와 연결된 구조의 신경망Partially connected network: Fully connected network가 아닌 신경망은닉층의 존재 여부에 따른 분류단층 신경망: 은닉층 없이 입력층과 출력층으로만 구성된 신경망다층 신경망: 입력층과 출력층 사이에 은닉층이 있는 신경망+) 심층 신경망: 딥러닝에 사용되는 특히 깊은 신경망정보의 흐름 방향에 따른 분류전방향 신경망: 정보가 입력층에서 출력층 방향으로만 흐르는 신경망회귀 신경망: 정보의 방향에 제한이 없어 출력층에서 입력층으로의 연결, 스스로에 대한 연결 등이 가능한 신경망학습 알고리즘신경망에 주어진 입력을 받아, 최종적으로 내는 출력이 실제 값과 유사하게 되도록 가중치를 조정하는 것단층 퍼셉트론의 학습 알고리즘출력으로 -1과 1만을 가지는 이진 분류 문제에 대한 학습 알고리즘지도 학습가중치 학습 규칙:출력이 올바른 경우 가중치 변화는 없음이므로 출력과 정답이 일치하는 경우, 가중치 변화는 0출력이 틀린 경우가중치는 와 의 값에 따라 커지거나 작아짐한계: 선형 판별함수를 가지기 때문에 XOR 문제 같은 비선형 결정경계를 표현할 수 없음층을 늘리면 가능하지만 이 알고리즘으로는 다층 퍼셉트론을 학습시킬 수 없음오류 역전파 알고리즘출력층에서부터 입력층 방향으로 오차를 전파시키며 가중치를 설정하는 알고리즘지도 학습기울기 강하 학습법을 다층 퍼셉트론에 적용한 것출력층에서부터 가중치에 대한 오차함수의 편미분을 수행하여 기울기를 구해 오류를 줄이는 방향으로 가중치를 조정함문제지역 극소의 문제기울기 강하 학습법은 기울기가 0이 되는 극소점에서 학습을 멈춤멈춘 극소점이 전역 극소점이 아닌 지역 극소점이고, 적정 오차율보다 높은 오차율을 가질 수 있음해결법시뮬레이티드 어닐링 기법초기값을 다르게 하여 학습을 여러 번 시도충분히 많은 은닉 노드를 사용수렴 속도의 문제기울기 강하 학습법은 기울기가 완만한 지점을 벗어나는데 긴 시간이 걸림해결법: 모멘텀 방법, 뉴턴 방법, 자연 기울기 방법 등의 가속화 방법을 사용학습 종료점 문제학습 데이터에 과도하게 최적화되어 일반화 오차가 커질 수 있음해결법: 검증 데이터에 대한 오차율이 커지면 학습 종료

컴퓨터과학과| 2024.01.04| 7페이지| 3,500원| 조회(1,522)

방통대, 방송통신대학교, 머신러닝, 출석수업 과제물, 머신러닝의 일반적 처리 과..

미리보기

닫기
[2023] 방송통신대학교(방통대) 데이터베이스 시스템 출석수업과제물 만점 리포트 평가A좋아요

출석수업 과제물(평가결과물) 표지(온라인제출용)교과목명 : 데이터베이스시스템학 번 -성 명 : -강 의 실 : -연 락 처 : -___________________________________________________________________________문제1) 파일 처리 시스템의 4가지 문제점에 대하여 1000자 분량으로 설명하시오.파일 처리 시스템은 프로그램마다 데이터를 개별 파일로 저장하는 시스템이다. 파일 시스템은 데이터베이스 등장 이전에 주로 사용되던 방식으로 데이터 관리 방식으로써 몇 가지 문제점을 가지고 있다. 그 중 대표적인 것으로 1) 데이터 종속의 문제, 2) 데이터 중복의 문제, 3) 무결성 훼손, 4) 동시 접근의 문제가 있다.데이터 종속의 문제는 물리적 문제와 논리적 문제로 구분된다. 파일 처리 시스템을 기반으로 한 프로그램은 하드디스크 용량 부족으로 추가적인 디스크가 필요한 경우, 프로그램의 수정이 불가피하다. 이처럼 특정 하드웨어에서만 데이터를 사용할 수 있는 문제를 물리적 데이터 종속이라고 한다. 논리적 데이터 종속은 데이터의 저장 순서를 바꾸는 등의 논리적인 구조 변경이 발생할 때 프로그램의 수정이 필요한 것을 의미한다.파일 처리 시스템에서는 프로그램 별로 데이터를 저장하기 때문에 데이터에 중복되는 부분이 있을 수 있는데, 이로 인해 발생하는 문제를 데이터 중복의 문제라고 한다. 데이터 중복의 문제는 일관성, 보안성, 경제성을 저하한다. 어떠한 개체에 대한 정보가 변경되어 데이터의 수정이 필요할 때, 중복되는 부분을 모두 변경해야 하는데, 누락이 생기기 쉽다. 또, 모든 중복되는 데이터에 대해 동일한 보안 수준의 보장이 필요하다. 또한, 중복되는 데이터는 저장 공간을 낭비 시켜 추가적인 자원의 투입을 요구한다.무결성은 데이터의 정확성을 의미하는데, 파일 처리 시스템에는 데이터를 삽입할 때 데이터가 정상적인 범위 내의 데이터인지 검증하는 등의 기능이 없기 때문에 프로그램에서 각 데이터마다 검증하지 않으면 데이터 무결성이 훼손되기 쉽다.동시 접근 문제는 파일 처리 시스템은 동시 접근을 제어하는 기능이 빈약하기 때문에 일어난다. 파일 처리 시스템에서 여러 사용자가 동시에 데이터를 읽은 후 변경하면 사용자들의 변경 내용이 다른 사용자의 변경 내용에 의해 덮어 쓰여지는 등의 문제가 생겨 결과값이 올바르지 않을 수 있다.데이터베이스 시스템은 데이터를 저장하는 방식과 데이터를 제공하는 방식을 분리하여 각 프로그램의 수요에 맞게 가공된 데이터를 제공함으로써 데이터 종속의 문제와 데이터 중복의 문제를 해결할 수 있다. 또 데이터를 삽입할 때 제약 조건 위반 여부를 검사함으로써 무결성을 유지한다. 또한 트랜잭션과 락을 사용함으로써 동시접근 문제를 해결했다.문제2)

컴퓨터과학과| 2024.01.04| 3페이지| 3,500원| 조회(297)

데이터베이스, DB, 방통대, 방송통신대학교, 데이터베이스시스템

미리보기

닫기