목록인공지능 (25)
코딩세상
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/1Js0I/btssgn9gDiG/Yzs96jzV3JvoB4mYEKIT1k/img.png)
- 1986년 첫 번째 빙하기의 끝 앞서 설명했던 것과 같이 인공지능은 비 선형적인 문제를 단층 퍼셉트론만으로는 해결할 수 없었기 때문에 1969년 첫 번째 AI의 겨울이 시작되었습니다. 1986년 다층 퍼셉트론이라는 개념이 등장하기 전까지 인공지능의 발전은 제자리 걸음을 하고 있었고, 드디어 다층 퍼셉트론이 등장하면서 XOR gate를 구현할 수 있었습니다. 이로 인해 인공지능은 다시 폭발적인 발전을 이어나갈 수 있게 되었습니다. - 비 선형적인 문제 해결 위 사진은 단층 퍼셉트론을 나타낸 사진으로 입력층과 출력층으로만 이루어져 있는 것을 확인할 수 있습니다. - 단층 퍼셉트론을 여러층으로 쌓아보기 그렇다면 우리가 단층 퍼셉트론을 여러층으로 쌓아보면 어떻게 될까요? - XOR gate 예시와 다층 퍼셉..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/SuutJ/btsr9NGJ3az/XfZAyY02bqaKqxP3qHpvPk/img.png)
- 하나의 선으로 분류 할 수 없는 문제의 등장 위 사진을 확인하면 왼쪽의 그래프의 경우 고양이와 강아지가 정상적으로 분류가 된 것을 확인할 수 있지만 오른쪽 그래프의 경우 고양이의 영역에 강아지가 들어가 있는 것을 확인할 수 있다. 그러면 오른쪽 그래프는 정상적으로 강아지와 고양이를 분류했다고 보기엔 어려운 점이 있다. 이와 같이 기존의 AND, OR, NAND, NOR gate를 한개만 사용하여 데이터의 분류를 진행하였지만, 비 선형 문제의 경우 한개의 gate만을 사용하여 분류할 수 없는 문제가 발생하였다. 그러면 우리는 정상적으로 강아지가 분류되기 위해서는 어떻게 그래프를 그어야 분류할 수 있을까? 간단하게 생각하면 아래와 같은 그래프 같이 생각할 수 있을 것이다. - 비 선형적인 논리 게이트, ..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/qf4nt/btsrZCxY8Pl/pPEQWsZJ1rn3EmCRRKLkK1/img.png)
- 논리 회로의 역할을 수행하는 퍼셉트론 사람의 신경계는 가장 작은 단위인 뉴런이 모여 신경망을 이루고 이 신경망을 통해 지능을 갖게 되는 것처럼 인공지능에서도 가장 작은 단위인 퍼셉트론이 모여 인공 신경망을 이루고 이것을 통해 인공지능을 갖게 된다. - 논리 회로의 정의 일정한 논리 연산에 의해 출력을 얻는 회로를 의미한다. 컴퓨터에서 사칙 연산은 논리 회로가 담당하고 있다. 논리 회로가 작동하기 위해 모든 숫자는 이진수로 변환한다. 이진수는 숫자 '1'과 '0'으로만 이루어진 숫자 체계이다. 일반적으로 숫자 '1'은 논리적으로 '참(true)'을 의미하며 회로에 전류가 흐르고 있음 뜻하고, 숫자 '0'은 '거짓(false)'을 의미하며 회로에 전류가 흐르지 않음을 뜻한다. - AND gate AND ..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/diajxE/btsrDIT50J4/vMXdDePWLkkUm1FoFgKukk/img.png)
- 신경망 이전의 연구 신경망 이전의 연구는 주로 얼굴인식, 숫자 및 문자 인식이 이루어 졌습니다. - 명시적 프로그래밍(Explicit Programming) 명시적 프로그래밍을 통해 얼굴 인식, 숫자 및 문자 인식을 할 수 있는 프로그램을 프로그래밍 하였습니다. 위 이미지처럼 if 문을 통해 눈, 코, 입 혹은 숫자 1, 2, 3 .... 과 같이 룰을 지정하여 분류 할 수 있게 프로그래밍 하였습니다. - 명시적 프로그래밍의 한계 예시 : 자율 주행 자동차 자율 주행 시 예측할 수 없는 상황이 일어날 수 있기 때문에 명시적 프로그래밍을 통해 입력해주는 것은 한계가 있습니다. 일일이 발생할 수 있는 예측을 가정하여 적게는 수천, 많게는 수십만개의 경우의 수를 사람이 직접 입력해주는데에는 한계가 있었고,..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/R5NyQ/btsrDJD8tSE/yYlhxrfI3vQYuA7iteKhrK/img.png)
1. 딥러닝 개론 - 인공지능, 머신러닝, 딥러닝 간단하게 표현하면 인공지능은 머신러닝과 딥러닝을 포괄적으로 나타내는 용어입니다. 머신러닝이란 인공지능을 구현하는 방식 중 하나이며 기계가 일일이 코드로 명시하지 않은 동작을 데이터로 부터 학습해 실행 할 수 있도록 하는 알고리즘을 연구하는 분야입니다. 딥러닝은 머신러닝 기법 중 하나인 인공신경망을 기반하여, 많은 양의 데이터를 학습해 뛰어난 성능을 이끌어내는 연구분야입니다. - 딥러닝의 정의 딥러닝이란? 머신러닝의 여러 방법론 중 하나이며, 인공신경망에 기반하여 컴퓨터에게 사람의 사고방식을 가리치는 방법을 나타냅니다. - 인공 신경망의 정의 인공신경망이란? 생물학의 신경망에서 영감을 얻은 학습 알고리즘이며, 사람의 신경 시스템을 모방하여 구성하였다. - ..