본문 바로가기

전체 글75

[AI] Uncertainty (3-3) 마르코프 모델(Markov Models)  지금까지 우리는 관찰한 일부 정보를 바탕으로 확률에 대한 질문을 살펴보았다. 이런 패러다임에서는 시간의 차원이 전혀 표현되지 않는다. 그러나 예측과 같은 많은 작업은 시간 차원에 의존한다. 시간 변수를 나타내기 위해 새 변수 X를 생성하고 관심 있는 이벤트에 따라 이를 변경한다. 즉, Xₜ는 현재 이벤트이고 Xₜ₊₁는 다음 이벤트이다. 미래의 사건을 예측할 수 있기 위해, 우리는 Markov 모델을 사용할 것이다. 마르코프 가정(Markov Assumption)  마르코프 가정은 현재 상태(state)가 유한하고 고정된 수의 이전 상태(state)들에만 의존한다는 가정이다. 이것은 우리에게 중요하다.  날씨를 예측하는 작업을 생각해 보자. 이론적으로 우리는 지난.. 2024. 6. 24.
[AI] Uncertainty (3-2) 베이즈 망(Bayesian Networks) 베이즈 망은 확률 변수 간의 종속성을 나타내는 데이터 구조이다. 베이즈 망에는 다음과 같은 특성이 있다.방향이 있는 그래프이다.그래프의 각 노드는 랜덤 변수를 나타낸다.X에서 Y로 향하는 화살표는 X가 Y의 부모임을 나타낸다. 즉, Y의 확률 분포는 X의 값에 따라 달라지게 된다.각 노드 X는 확률 분포 P( X | Parents(X) )를 갖는다.약속 시간에 맞춰 도착하는지 여부에 영향을 미치는 변수가 포함된 베이즈 망의 예를 생각해 보자.위에서부터 차례대로 분석해 보자. Rain은 이 네트워크의 루트 노드이다. 이는 확률 분포가 이전 사건에 의존하지 않음을 의미한다. 이 예시에서 Rain은 다음 확률 분포를 사용하여 { none, light, heavy }.. 2024. 6. 24.
[AI] Learning (5-1) 기계 학습(Machine learning) 머신러닝은 명시적인 지침이 아닌 데이터를 컴퓨터에 제공해 준다. 컴퓨터는 이러한 데이터를 사용하여 패턴을 인식하는 방법을 학습하고 스스로 작업을 실행하게 된다.지도 학습(Supervised learning)   지도 학습은 컴퓨터가 입력-출력 쌍의 데이터 세트를 기반으로 입력을 출력으로 매핑하는 기능을 학습하는 작업이다.분류(Classification)  지도 학습에는 여러 작업이 있으며 그 중 하나가 분류이다 . 이는 함수가 입력을 이산 출력에 매핑하는 작업이다. 예를 들어, 특정 날짜의 습도와 기압에 대한 정보가 주어지면(입력), 컴퓨터는 그날 비가 올지 여부를 결정한다(출력). 컴퓨터는 비가 왔는지 여부에 따라 습도와 기압이 이미 매핑되어 있는 여러 날의 .. 2024. 6. 21.
[AI] Optimization (4-3) 제약 충족 문제(Constraint Satisfaction problem) 제약 충족 문제는 일부 조건을 만족하면서 변수에 값을 할당해야 하는 문제 클래스이다. 제약 충족 문제에는 다음과 같은 속성이 있다.변수 집합: (x₁, x₂, …, xₙ)각 변수 {D₁, D₂, …, Dₙ}에 대한 도메인 집합제약 조건 C의 집 스도쿠는 제약 충족 문제로 표현할 수 있다. 여기서 각각의 빈 사각형은 변수이고 도메인은 1-9의 숫자이며 제약조건은 서로 같을 수 없는 사각형인 것이다. 또 다른 예를 생각해 보자. 학생 1~4는 각각 A, B, …, G의 3과목을 수강하고 있다. 각 과목은 시험을 치러야 하며, 시험 가능 요일은 월요일, 화요일, 수요일이다. 단, 같은 학생이 같은 날 두 번의 시험을 볼 수는 없다.  .. 2024. 6. 11.
[AI] Optimization (4-2) 선형 프로그래밍(linear programming)  선형 프로그래밍은 선형 방정식(y = ax₁ + bx2 + … 형식의 방정식)을 최적화하는 문제 계열이다.  선형 프로그래밍에는 다음 구성 요소가 있다.최소화하려는 비용 함수: c₁x₁ + c2x2 + … + cₙxₙ. 여기서 각 xₙ는 변수이며 일부 비용 cₙ과 연관되어 있다.값보다 작거나 같거나(a₁x₁ + a2x2 + … + aₙxₙ ≤ b) 이 값과 정확하게 동일한(a₁x₁ + a2x2 + … + aₙxₙ = b) 변수의 합으로 표시되는 제약 조건이다. 이 경우 xₙ는 변수이고 aₙ는 이와 관련된 일부 리소스이며 b는 이 문제에 전념할 수 있는 리소스의 양이다.변수(예: 변수는 음수일 수 없음)에 대한 개별 범위의 경계는 lᵢ ≤ xᵢ ≤ uᵢ.. 2024. 6. 5.
[AI] Optimization (4-1) 최적화(Optimization)  최적화는 가능한 옵션 집합에서 최상의 옵션을 선택하는 것이다. 우리는 이미 minimax 알고리즘과 같이 가능한 최상의 옵션을 찾으려고 노력한 문제에 직면했으며 오늘은 훨씬 더 광범위한 문제를 해결하는 데 사용할 수 있는 도구에 대해 알아볼 것이다.지역 탐색(Local search)  지역 검색은 단일 노드를 유지하고 이웃 노드로 이동하여 검색하는 검색 알고리즘이다. 이 유형의 알고리즘은 이전에 본 검색 유형과 다르다. 예를 들어 미로 해결에서 우리는 목표에 이르는 가장 빠른 길을 찾고 싶지만, 지역 검색은 질문에 대한 최선의 답을 찾는 데 관심이 있다. 즉 현재 상황에서 얼마나 좋은 움직임을 알려주는가(like 체스).종종 지역 검색은 최적은 아니지만 계산 능력을 보존.. 2024. 6. 5.