낮에는일하고밤에는공부중 스토어

낮에는일하고밤에는공부중

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

13개
전체 판매량

64개
최근 3개월 판매량

0개
자료후기 점수

평균A
자료문의 응답률

-

전체자료 13개

(2020-2학기) 방송통신대학교 컴퓨터과학과 인공지능 기말고사 과제물

2020학년도 2학기 기말시험(온라인평가)교과목명 :학 번 :성 명 :연 락 처 :평가유형 :-------------------------------------------------o 과제명 :몬테카를로 트리 탐색의 개념과 탐색 과정을 구성하는 단계들에 대하여 A4용지 1매 정도로 정리하여 설명하라. (20점)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 반영)k-평균 군집화는 특징공간 상에 분포하는 표본들을 대상으로 하는 군집화 알고리즘 중 하나이다. 주어진 데이터를 k개의 군집으로 묶는 알고리즘으로 각 클러스터와 거리 차이의 분산을 최소화하는 방식으로 동작한다. 이 알고리즘은 레이블이 없는 데이터를 입력받아 각 데이터에 레이블을 할당하는 역할을 수행한다.k-평균 군집화의 알고리즘은 표본집합을 대표하는 k개의 평균벡터를 찾는다. 평균벡터의 초기 추정치로 임의의 값을 부여한 다음 반복적으로 이를 수정하여 적절한 위치로 수렴하도록 하는 방법을 사용한다.k개의 평균벡터의 초기위치는 다음과 같이 여러가지 방법으로 정할 수 있다.무작위 분할 : 가장 많이 쓰이는 초기화 기법이다. 무작위 분할 기법의 경우 다른 기법들과는 달리 데이터 순서에 대해 독립적이다. 무작위 분할의 경우 초기 군집이 각 데이터들에 대해 고른 분포를 보여 각 초기 군집의 무게중심들이 데이터 집합의 중심에 가깝게 위치하는 모습을 보인다.포기 : 현재 주로 쓰이는 초기화 기법 중 하나로, 데이터 집합으로부터 임의의 k개의 데이터를 선택하여 각 군집의 초기로 설정한다. 포기 알고리즘 또한 데이터 순서에 대해 독립적이다. 임의의 k개의 데이터로 초기 군집이 정해져 있기 때문에 무게중심이 중심으로부터 퍼져 있는 모습을 보인다.맥퀸 : 포기 알고리즘과 비슷하게 초기 군집을 설정한다. 이후 선택되지 않은 데이터들을 해당 점으로부터 가장 가까운 군집에 배당시킨다. 모든 데이터들을 다 군집으로 묶어 주고 군집의 무게중심을 다시 계산한다. 맥퀸 알고리즘의 경우 최종 수렴에 가까운 군집을 찾는 것은 비교적 빠르나, 최종 수렴에 대항하는 클러스터를 찾는 것은 매우 느리다.군집을 할당하는 방법이 반복되며, 이제 더 이상 평균벡터의 변화가 일어나지 않는 안정상태가 되면 학습을 마치게 된다.k-평균 군집화의 장점은 쉽고 빠르게 연산이 가능하다는 것이다. 단점은 k값을 임의로 정해야 하고, 처음의 평균벡터의 초기위치도 임의로 정해야 하는 것이다. 또한 평균벡터의 초기위치를 어떻게 같다. LINK Excel.Sheet.12 "C:\Users\shyoo\OneDrive\문서\인공지능k평균군집화 계산.xlsx" Sheet1!R4C2:R10C4 a f 4 h * MERGEFORMAT (2,8)(8,1)(1,2)6.0827637.071068(2,3)56.324555(4,2)6.3245554.123106(7,10)5.3851659.055385(5,7)3.1622786.708204(9,7)7.0710686.082763A군집 : {(1,2),(2,3),(7,10),(5,7)}B군집 : {(4,2),(9,7)}1회 반복. 각 군집의 평균을 내어 표본벡터를 변화한다.A군집의 평균벡터 : (3.75, 5.5)B군집의 평균벡터 : (6.5, 4.5)이 평균벡터와 거리를 계산하여 재배분한다.(3.75,5.5)(6.5,4.5)(1,2)4.4511236.041523(2,3)3.0516394.743416(4,2)3.5089173.535534(7,10)5.5509015.522681(5,7)1.9525622.915476(9,7)5.4600823.535534A군집 : {(1,2),(2,3),(4,2),(5,7)}B군집 : {(7,10),(9,7)}2회 반복. 각 군집의 평균을 내어 표본벡터를 변화한다.A군집의 평균벡터 : (3, 3.5)B군집의 평균벡터 : (8, 8.5)이 평균벡터와 거리를 계산하여 재배분한다.(3,3.5)(8,8.5)(1,2)2.59.552487(2,3)1.1180348.13941(4,2)1.8027767.632169(7,10)7.6321691.802776(5,7)4.0311293.354102(9,7)6.9462221.802776A군집 : {(1,2),(2,3),(4,2)}B군집 : {(7,10),(5,7),(9,7)}3회 반복. 각 군집의 평균을 내어 표본벡터를 변화한다.A군집의 평균벡터 : (2.3333, 2.3333)B군집의 평균벡터 : (7, 8)이 평균벡터와 거리를 계산하여 재배분한다.(2.333,2.333)(7,8)(1,.5)2회 반복 : A군집의 평균벡터 : (3, 3.5), B군집의 평균벡터 : (8, 8.5)3회 반복 : A군집의 평균벡터 : (2.3333, 2.3333), B군집의 평균벡터 : (7, 8)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.단층 퍼셉트론 학습모델은 최초의 신경망 모델 중 하나이다. 신경망 시스템은 동물의 신경계를 토대로 만들었기 때문에 개념적으로나 형태로나 비슷한 부분이 많다. 퍼셉트론 모델에서 뉴런은 입력된 신호에 연결 가중치를 곱한 값을 더하여 그 결과가 일정한 임계치보다 크면 1을 출력하고, 그렇지 않다면 0을 출력하는 하드 리미트 함수를 사용한다. 결과값이 1또는 0이기 때문에 선형 분류 모형이라고 볼수도 있다. 각 입력 신호에는 고유한 가중치가 부여되며 연결가중치가 클수록 해당 신호가 중요하다고 볼 수 있다.퍼셉트론이 주어진 인풋에 대해 원하는 아웃풋을 내기 위해서는 연결가중치를 학습시켜야 한다. 퍼셉트론의 일반화된 학습규칙을 델타규칙이라 한다. 이 학습규칙은 입력과 기대되는 출력의 오차를 줄여 나가는 방향으로 연결가중치를 조정한다. 가중치를 조정하는 학습이 반복될수록 데이터를 분류하는 선의 기울기가 달라진다.퍼셉트론 모델은 학습 데이터에 따라 적응적으로 결정경계를 형성해 준다는 점에 있어 흥미롭지만, 결정적인 한계를 갖고 있다. 단층 퍼셉트론은 XOR문제를 해결할 수가 없다. 단층 퍼셉트론은 직선 하나로 나눈 영역만 표현할 수 있기 때문이다. XOR은 1개의 직선만으로 결정경계를 만들 수 없다. 최소 2개의 직선이 필요하기 때문에 단층 퍼셉트론은 구조적으로 XOR 문제를 해결할 수 없는 한계점을 지닌다.(나) 오차 역전파(BP) 모델의 개념을 설명하고, BP 학습 과정에서 발생하는 경사 소멸 문제에 대하여 설명하라.오차 역전파 모델은 단층 퍼셉트론의 한계를 뛰어넘는 모델이다. 다호의 값이 커질수록 뉴런의 활성화률을 1로 수렴시키고, 입력 신호의 값이 작아질수록 뉴런의 활성화률을 0으로 수렴하게 만든다. 이러한 특성 때문에 경사소멸문제가 발생한다. 경사소멸문제는 오차역전파가 입력층으로 전달됨에 따라 경사가 점점 작아지게 되고, 나중에 가중치가 업데이트되지 않는 경우가 발생하여 학습이 잘 안되는 문제를 일컫는다. 이 시그모이드 함수는 입력의 절대값이 크게 되면 0이나 1로 수렴하게 되고, 이는 경사를 소멸시켜버린다. 그리고 이 함수는 원점중심이 아니기 때문에 각 레이어를 지날 때마다 분산이 계속 커져 가장 높은 레이어에서는 활성함수의 출력이 0이나 1로 수렴하게 된다. 결국 경사 소멸 문제가 발생하게 된다.(다) 합성곱 신경망(CNN)의 개념을 간략히 설명하고, CNN을 구성하는 층에 대해 설명하라.합성곱 신경망은 동물의 시각피질의 구조에 대한 통찰을 기반으로 설계된 신경망 모델이다. 동물의 시각피질의 신경세포가 제한된 감각영역에만 반응하며, 서로 다른 신경세포의 수용영역이 서로 겹칠 수 있으며, 겹쳐진 수용영역들이 전체 시야를 포괄한다는 점에 착안한 구조를 갖고 있다. CNN은 영상의 인식이나 비디오 처리 등 영상분야에서 많이 활용되고 있다,CNN을 구성하는 층은 다음과 같다.합성곱층합성곱층은 입력된 영상에서 선, 색의 방울 등 시각 특징을 검출하는 역할을 한다. 합성곱층 뉴런의 수용영역 안에 있는 픽셀에만 연결되어 있기 때문에 앞의 합성곱층에서는 저수준 특성에 집중하고, 필터를 사용하여 더 많은 특징을 검출한다. 따라서 사용하는 필터의 수가 많을수록 더 많은 특징을 검출해낼 수 있다. 이 때 영상에 필터를 적용하는 것을 합성곱이라 한다.통합층통합층은 이전 단계로부터의 입력을 서브샘플링하여 데이터의 크기를 줄이고, 축소된 규모의 출력을 만드는 단계이다. 이 때 필터의 크기, 이동 거리, 통합의 방법을 정한다. 통합에는 평균통합(Average pooling)과 최대 통합(max pooling)이 있는데 일반적으로 최대값을 선택하는 최대 .

컴퓨터과학과| 2020.12.20| 9페이지| 5,000원| 조회(260)

인공지능, 방송통신대, 컴퓨터과학과, 인공지능 기말, 컴과 인공지능, 인공지능 기..

미리보기

닫기
(2020-2학기)방송통신대학교 컴퓨터과학과 시뮬레이션 중간고사 출석대체과제물

2020학년도 ( 2 )학기 과제물(온라인제출용)교과목명 :학 번 :성 명 :연 락 처 :_________________________________________________________________________o 과제유형 : ( 공통유형 A-E ) 형o 과 제 명 : 시뮬레이션 중간과제물과제 조건다음과 같은 환경과 조건을 토대로 주유소 대기행렬 과제를 작성하였습니다.학번 : 000000-364799Seed : 364799사용 언어 : JAVA사용 프로그램 : Eclipse대기행렬 문제의 조건 :도착형태시간당 평균 22명의 일양분포(분당 11/30명)주유대1대봉사형태평균 5분의 포아송분포시뮬레이션 시간100분프로그램package test.simul.ex;import java.io.BufferedWriter;import java.io.File;import java.io.FileWriter;import java.io.IOException;import java.io.PrintWriter;class MeanQueueing1 {final static int SEED = 364799;public int n, p, seed;public float up, mean;public String StrTime = new String();// Queueing 생성자public MeanQueueing1(){mean = 5;n = SEED;seed = SEED;}//랜덤함수public int random(int np, float u){np = np * 843314861 + 453816693;if(np < 0){np = np + 2147483647;np = np + 1;}up = (float)(np * 0.4656612e-9);return np;}//포아송분포public int poissn(int np, int pp){float b, prod;pp = 0;b = (float)(Math.exp(-mean));prod = 1;n = random(np, up);prod = prod * up;while(prod >= b){n = random(n, up);prod = prod * up;++pp;}return pp;}public void ConvDataToString(int time){int i, len;StrTime = "";StrTime = StrTime.valueOf(time);len = StrTime.length();if(len < 3)for(i = 0; i < (3-len); i++)StrTime = "0" + StrTime;}public void ComputeQueueing(){int queue = 0, totque = 0, totarr=0, arrive, tstep = 1;float prarr=11.0f/30.0f, tpump=0.0f, time=0.0f, tlimit=100, aveque=0, avgwt;int arrivetime[] = new int[3];int arrivegap[] = new int[3];int tpumptime[] = new int[3];int departtime[] = new int[3];int waittime[] = new int[3];int tpumpidx = 0;PrintWriter out=null;try {File f=new File("C:\WORK\EX3_3.OUT");FileWriter fw=new FileWriter(f) ;BufferedWriter bw=new BufferedWriter(fw);out=new PrintWriter(bw);out.println("SIMULATION FOR A QUEUEING SYSTEM");out.println("=================================");out.println("THE TIME STEP = " + tstep);out.println("THE TIME LIMIT = " + tlimit);out.println("THE ARRIVAL PROBABILITY = " + prarr);out.println("THE POISSON MEAN = " + (int)mean);out.println("THE SEED = " + seed);out.println("===============================");out.println("TIME ARRIVAL QUEUE TPUMP");out.println("-------------------------------");while(time < tlimit) {time = time + tstep;arrive = 0;seed = random(seed, up);if(up < (prarr*tstep)) {arrive = 1;queue = queue + arrive;totarr = totarr + 1;}if(tpump > 0.0) {tpump = tpump-tstep;if(tpump < 0)tpump = 0.0f;}if((tpump==0) && (queue!=0)) {queue = queue - 1;p = poissn(n, p);tpump = p;//봉사시간 담기if(tpumpidx < 3) {tpumptime[tpumpidx] = (int) tpump;tpumpidx++;}}totque = totque + queue;ConvDataToString((int)time);out.println(StrTime + " " + arrive + " " + queue + " " + (int)tpump);// 각 고객의 도착시간, 도착간격을 담는다.if(totarr > 0 && totarr < 4) {int idx = totarr-1;if(arrivetime[idx] == 0 ) {arrivetime[idx] = (int) time;if(totarr == 1) arrivegap[idx] = (int) time;else arrivegap[idx] = (int) time - arrivegap[idx-1];}}}out.println("-------------------------------");out.println("THE SIMULATED TIME = " + tlimit);out.println("THE TOTAL ARRIVALS = " + totarr);aveque = totque / (tlimit*tstep);avgwt = totque / (float)totarr;out.println("MEAN QUEUE LENGTH = " + aveque);out.println("MEAN WAITING TIME = " + avgwt);out.println();out.println("=============결과분석표==============");out.println("고객 | 도착시간 | 도착간격 | 봉사시간 | 출발시간 | 대기시간");//출발시간과 봉사시작시간 계산int totwaittime = 0;int totnum = 3;for(int i=0; i

컴퓨터과학과| 2020.12.21| 8페이지| 5,000원| 조회(460)

시뮬레이션, 방통대, 컴과, 방송통신대학교, 컴퓨터과학과, 시뮬레이션 중간, 시뮬 ..

미리보기

닫기
(2020-2학기)방송통신대학교 컴퓨터과학과 시뮬레이션 기말고사 과제물

2020학년도 2학기 기말시험(온라인평가)교과목명 :학 번 :성 명 :연 락 처 :평가유형 :-------------------------------------------------o 과제물유형 : 공통형o 과제명 : 시뮬레이션 기말시험 온라인평가 과제시뮬레이션 기말시험(온라인평가) 목차 TOC o "1-3" h z u Hyperlink l "_Toc56120771" ※개조식 문제 PAGEREF _Toc56120771 h 3 Hyperlink l "_Toc56120772" 1.연구과제 3장 1번(10점), PAGEREF _Toc56120772 h 3 Hyperlink l "_Toc56120773" 2.연구과제 5장 3번(4점*5=20점), PAGEREF _Toc56120773 h 4 Hyperlink l "_Toc56120774" 3.연구과제 6장 2번(10점), PAGEREF _Toc56120774 h 5 Hyperlink l "_Toc56120775" 4.연구과제 7장 1번 (10점), PAGEREF _Toc56120775 h 6 Hyperlink l "_Toc56120776" ※서술형 문제 (20점) PAGEREF _Toc56120776 h 7 Hyperlink l "_Toc56120777" 5.교재 10장을 정독하고 다음의 질문에 간단히 서술하라 PAGEREF _Toc56120777 h 7 Hyperlink l "_Toc56120778" PAGEREF _Toc56120778 h 8개조식 문제교재의 연구과제에서 선정함.글 앞에 (1), (2), (3), .. 번호를 붙여가며 본인이 이해한 중요한 요점이나 핵심부분만 나열하는 개조식으로 작성한다. 교재의 내용을 그대로 복사하거나 번호 없이 복잡하게 서술하면 감점한다.연구과제 3장 1번(10점),대기행렬 시스템의 개념을 설명하고 어떤 종류가 있는지 조사해 보자.단, 대기행렬 종류는 교재나 강의에서 언급하지 않은 사례만 인정함개념대기행렬 시스템이란, 봉사자가 있고 도착한 손님은 줄을 서서 자기 차례를 기다리다 봉사를 받으면 떠나는 시스템.추상화하면, 도착하는 것, 대기하는 것, 서비스를 제공하는 일련의 프로세스가 발생하는 시스템이라 할 수 있음.많은 분야에서 이 시스템의 확률적 분석을 통해 성능을 측정하고 더 나은 의사결정을 내리는 유용한 도구로 사용 중.대기행렬 종류병원 : 의사가 환자에게 의료서비스를 제공하는 곳세차장 : 자동 세차기를 사용하는 세차장. 차량이 고객이며, 세차 서비스를 제공.수영장 : 수영장의 한 레인에는 여러 사람이 이용 가능하나, 일정 간격이 필요하기 때문에 많은 수의 사람이 이용할 경우 대기가 발생. 레인을 바로 왕복하지 못하고 앞 사람이 출발한 후 일정간격이 생긴 다음 출발이 가능하기 때문.호텔 : 체크인, 체크아웃이 발생하는 프론트데스크. 고객이 찾아오고, 호텔 직원이 서비스를 제공하며 모든 직업이 봉사중 일 경우, 대기시간이 발생.영화관 : 고객에게 영화관 직원이 영화표 발권 서비스를 제공.제품 생산 공정 : 공장 설비에 원자재를 투입하여 제품을 생산. 공장 설비가 생산 공정을 거치는 동안 나머지 원자재들을 대기하게 됨.A/S센터 : 수리 서비스를 제공받으려는 고객이 오고 직원이 수리 서비스를 제공.연구과제 5장 3번(4점*5=20점),제 3장에서 모델링한 단일창구 대기행렬과 제 5장에서 사건중심으로 모델링한 것의 차이점을 나열해 보자. 단, 5가지 이상 나열해야 함봉사시간 측정방법이 다름. 제 3장의 모델링은 봉사시간 측정방법으로 포아송분포를 사용하고, 제5장의 모델링은 지수분포를 사용.도착시간 결정방법이 다름. 제 3장의 모델링은 고정된 시간이 경과될 때마다 도착여부를 확률변수로 구하고, 제5장의 모델링은 도착간격을 확률변수로 구하여 고객의 도착시간을 결정.처리시간의 효율성이 다름. 제3장의 모델링은 고정된 시간이 경과될 때 마다 프로세스를 처리하기때문에 휴지 기간의 생략이 불가능. 따라서 많은 처리시간이 소요됨. 제 5장의 모델링은 사건발생 시간만 처리되기때문에 불필요함 처리 시간이 발생하지 않아 효율적.제3장의 모델링은 일정 시간 범위가 정해진 경우에 유용하고, 제 5장의 모델링은 측정하려는 고객의 수가 정해진 경우에 유용함.시뮬레이션의 종료 조건이 다름. 제3장의 모델링은 특정 시간에 도달할 때 종료되며, 제5장의 모델링은 특정 고객의 수에 도달할 때 종료.시뮬레이션 되기 전, 제 3장의 모델링은 처리 고객의 수를 알 수 없지만, 제5장의 모델링은 처리 고객의 수를 알 수 있음.시뮬레이션 종료되기 전, 제 3장의 모델링은 시뮬레이션 종료 시간을 알 수 있지만, 제 5장의 모델링은 시뮬레이션 종료 시간을 알 수 없음.연구과제 6장 2번(10점),시뮬레이션 프로그램 작성 시 범용언어를 사용하는 경우와 시뮬레이션 언어로작성하는 경우에 있어서 각각 장단점을 들어보자.범용 언어장점범용 언어는 시뮬레이션 언어에 비해 보편화된 언어이기 때문에 진입 장벽이 낮음.범용 언어는 대부분의 컴퓨터에서 사용이 가능.효과적으로 작성된 범용 프로그램은 시뮬레이션 언어로 작성된 프로그램보다 수행 시간이 적게 소요.단점시뮬레이션 수행 시 동적 기억장소 할당이 가능하지 않음.시뮬레이션 언어가 본래 가지고 있는 기능들을 범용 언어는 직접 구현해야 하기 때문에 프로그래밍이 어렵고 시간이 오래 걸림.시뮬레이션 언어장점시뮬레이션 모델을 프로그래밍하는데 필요한 특징을 제공하기 때문에, 프로그래밍하는 시간이 범용언어에 비해 적게 소요.시뮬레이션 모델링을 위한 구조를 제공.시뮬레이션 언어로 작성 시, 시뮬레이션 모델 수정이 더 용이함.많은 시뮬레이션 언어들이 시뮬레이션 수행 동안 동적 기억장소 할당을 가능하게 함.시뮬레이션 언어는 여러 가지 형태의 가능한 오류들이 구별되어 있어, 오류 검출이 용이.많은 시뮬레이션 언어가 사용자의 편의를 돕기 위한 그래픽, 애니메이션을 제공함.단점일부 시뮬레이션 언어는 특정 개발환경에서만 이용이 가능할 수 있음.새로운 정보를 추가하는 것이 어려움.연구과제 7장 1번 (10점),난수가 갖추어야 할 성질을 나열해 보자.U[0,1]에서 일양분포를 해야 함.임의성을 가져야 함. 즉, 예측할 수 없어야 함.독립성을 가져야 함. 즉, 상관관계가 없어야 함.반복이 가능해야 함. 컴퓨터가 표현할 수 있는 수가 유한하기 때문.같은 난수들을 언제든지 발생시킬 수 있어야 함.난수의 발생속도가 빨라야 하고, 많은 기억용량을 필요로 하지 않아야 함.서술형 문제 (20점)단, A4 용지 1페이지 이내로 작성한다.교재 10장을 정독하고 다음의 질문에 간단히 서술하라(1) 시뮬레이션 목적이 무엇인가? (8점)교재10장의 시뮬레이션은 Shared Ethernet Network에서 Load를 주고 Throughput이 얼마나 되는지, 딜레이가 어느정도 되는지를 살펴보는 것이 목적이다.Shared Ethernet Network 에서는 각 노드들이 트래픽을 허브를 통해서 보낸다. 허브는 노드가 보낸 패킷을 받아 연결된 모든 outgoing line을 통해 모든 디바이스에게 재전송을 한다. CSMA/CD 프로토콜을 사용하며, 이 프로토콜은 동시에 두개 이상의 노드들이 전송을 하기 될 때 collisions을 피하고 어느 노드가 먼저 전송을 할 것인가를 결정하게 된다. 이렇게 발생되는 패킷이 증가하게 되면 Throughput과 딜레이가 발생하게 된다. 이를 살펴보는 것이다.(2) 두 개의 시나리오 이름은 무엇이며 차이점은 무엇인가?(6점)시나리오의 이름 : Low_Load, High_Load차이점 : Low_Load는 interarrival time(트래픽이 발생되는 인터벌)을 exponential을 0.004로 설정했다. 즉, 각 station 마다 200Kbps의 load가 발생하고, 전체로 봤을 때는 2,400Kbps가 발생하게 될 것을 예상할 수 있다. High_Load는 interarrival time을 exponential을 0.001로 설정했다. 설정상 패킷 발생량이 Low_Load에 비해 4배가 증가했다. 그렇기 때문에 각 station 마다 800Kbps의 load가 발생하고, 전체로 봤을 때는 9,600Kbps가 발생하게 될 것이다.(3) 두 시나리오의 시뮬레이션 결과 어떤 차이가 나왔는가? (6점)Delay : Low_Load는 패킷의 발생이 작기 때문에 딜레이 시간이 거의 없다. 그러나 Low_Load에 비해 패킷 발생량이 4배가 증가한 High_Load의 경우 딜레이 값들이 증가한다.Utilizaion : High_Load의 트래픽은 Low_Load의 트래픽보다 더 많이 사용되어졌음을 알 수가 있다.Collision Count : Low_Load는 데이터 자체의 트래픽 발생량이 적어 딜레이와 충돌 모두 적게 나타났다. High_Load는 Low_Load에 비해 트래픽량이 많아 더 충돌이 많이 일어남을 확인할 수 있다.- 교재

컴퓨터과학과| 2020.12.20| 8페이지| 5,000원| 조회(404)

시뮬레이션, 방통대, 컴과, 방송통신대학교, 컴퓨터과학과, 시뮬레이션 기말, 시뮬 ..

미리보기

닫기
(2020-2학기)방송통신대학교 컴퓨터과학과 인공지능 중간고사 출석대체과제물

(가)A* 알고리즘의 주요 개념을 설명하라.A* 알고리즘은 출발노드로부터 목표노드까지의 최적경로를 탐색하는 탐색 알고리즘이다. 출발 노드에서 시작하여 노드 n을 거쳐 목표 노드까지 도달하는 비용을 f(n)이라고 평가 함수로 정의한다. 노드 n까지는 탐색하면서 진행하고, 이후 n부터 목표노드까지의 경로비용은 탐색하지 않은 경로이기에 정확히 계산하기 어렵거나 불가능하다.< 중 략 >(나)이동 횟수를 최소화하여 <그림1>의 문제를 풀이하기 위해 문제를 표현하고, A* 알고리즘에 적용할 평가함수를 정의하라.문제표현 :A*알고리즘을 사용하여 최소비용으로 목표상태에 도달하는 것을 목적으로 하는 8퍼즐 문제이다. 초기상태에서 조각을 이동시켜서 목표상태를 만들며, 최소비용이란 조각의 이동 횟수를 최소로 하여 목표상태를 만드는 것을 의미한다. 초기상태와 목표상태는 다음과 같다.

컴퓨터과학과| 2020.12.21| 1페이지| 5,000원| 조회(215)

인공지능, 방통대, 컴과, 방송통신대학교, 인공지능 중간고사, 컴퓨터과학과, 인공지..

미리보기

닫기
(2020-2학기)방송통신대학교 컴퓨터과학과 인공지능 기말고사 k-평균 군집화 계산법 참고자료

(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)}

컴퓨터과학과| 2020.11.24| 1페이지| 4,000원| 조회(146)

인공지능, 방통대, K평균군집화, k평균, 계산예시

미리보기

닫기