임시블로그

생각해보자

목표출력 Yd(Y-desire)가 있다. 입력 Xi를 넣고 목표출력 Yd를 출력하기를 바라지만 그러기 위한 중간층의 연산이 어떻게 이루어져야 하는지 모른다. 출력을 위한 입력에 따른 중간연산을 어떻게 구할 수 있을까?

우리는 어떤 목표가 있고 이를 위한 정답을 모를 때, 실험과 오차를 반복해나가며 정답을 찾아나갈 수 있다. 이와 비슷하게 입력과 목표출력이 정해졌을 때 이를 위한 중간연산을 설정하고 이에 대한 Try&Error를 반복해나가며 가중치 W를 수정해나가 정답에 가까운 W를 찾아나간다.

원래는 차근차근 나가고 싶지만... 수업의 진도에 맞춰서 중간부터 시작하게 되었다.

몇 파트는 한빛 아카데미의 인공지능개론으로 진행하고

몇 파트는 수업 자료로 진행한다.

기계학습이란?

컴퓨터가 경험, 예, 유추를 통해 학습할 수 있게 하는 적응 메커니즘과 관련이 있다.

기계 학습 메커니즘은 적응형 시스템의 기초를 형성한다.

기계학습의 접근법

인공 신경망(artificial neural network)

유전 알고리즘(genetic algorithm)

신경망의 적응성

잘못된 답->뉴런들 사이의 연결이 약화

올바른 답->연결이 강화

ANN(Artificial Neural Network)

학습능력이 있다.

성능개선에 경험을 사용한다.

표본이 주어지면 일반화가 가능하다.

인공신경망의 기본구조

동그란 부분을 뉴런이라고 보고 각 화살표(링크)마다 가중치가 주어진다.

링크마다 그와 연관된 수치적인 가중치가 있다. 가중치는 ANN에서 장기기억을 위한 수단으로 각 뉴런의 중요도를 표현한다.

신경망에서는 싸이클을 반복하면서 이 가중치를 조정하여 학습한다.

위와 같이 입력층, 중간층, 출력층으로 계층구조를 이루고 있으며 이에 들어오는 입력과 가중치를 통해 활성화수준(activation level)을 계산할 수 있다.

Bipolar와 Binary

Binary : {0,1}

Bipolar : {-1,1}