note

Fuzzy Inference : 애매함(ambiguous)을 처리하는 수리 이론 - 퍼지 집합: 가능한 해의 집합. 소속 여부가 확실하지 않은 경우의 집합. - Crisp 논리(0, 1 명제값) / 퍼지 논리(0~1 명제값) 퍼지집합의 연산 퍼지관계 퍼지논리 Fuzzy Control

베이스 정리의 유도 평균 벡터와 공분산 행렬 Bayesian Inference -> 불확실성 추론: '가장 그럴듯한' - 사후 확률을 이용하여 분류 - 사전 확률 계산 - 우도 계산 - 풀이

지식 - 합목적적으로 개념화된 형태의 정보 - 정보가 지식이 되기 위해서는 지식 베이스가 필요 (데이터와 정보를 정리하고 체계화하여 정리) 지식의 표현과 추론 지식 표현 방법 1) 논리를 이용한 지식 표현 2) 규칙을 이용한 지식 표현 3) 시맨틱 네트를 이용한 지식 표현 4) 프레임을 이용한 지식 표현 논리를 이용한 지식 표현 1. 명제 논리 - 명제: 참, 거짓 판단할 수 있는 문장 (확률 X) - 논리연산자: 명제들을 연결 (AND, OR, NOT) - 복합명제: 각 명제를 하나의 심볼로 표현하고, 이 심볼들을 논리 연산자로 연결한 것 - Modus Pones (가언적 삼단논법): X와 X->Y라는 두 명제로부터 Y명제를 도출하는 과정 2. 술어 논리 - 술어와 객체로 표현 - 정형식: 술어, 상수..

문제축소 - 문제 묘사를 문제 축소 연산자를 사용하여 부분 문제 묘사로 변환, 즉 간단한 문제로 분할하는 과정 - 상태공간 탐색 문제 @ 출발상태들의 조합, S @ 상태묘사를 다른 상태묘사로 변환시키는 연산자들의 조합, F @ 목표상태의 조합, G - 부분문제는 상태공간에서의 중요한 중간상태들 사이의 경로를 찾는 문제에 해당 - 문제축소의 목적은 궁극적으로 해가 분명한 원시문제들로 변환시키자는 것 문제축소기법 : 상태공간 탐색문제를 보다 간단한 탐색 문제로 연속적으로 축소하는 방법 1) 문제분리의 기점 2) 키 연산자의 발견 AND-OR Graph : 주어진 문제를 후계문제들의 조합으로 축소하는 과정을 표현하는 그래프 - AND/OR 그래프로 표현되는 문제는 상태공간 탐색과 문제축소의 기법을 요구 - A..

AssembleNet : 연결 웨이트 러닝을 통해 연결성이 더 좋은 신경 아키텍처를 자동으로 찾아 진화를 유도 - 인접한 레벨끼리 connection X low level -> high level - edge들의 색깔이 다 다름 -> 가중치 (하나의 블록으로부터 다른 블록까지 얼만큼 내 정보가 전달될지) - 노드 간 연결될 확률, 한 노드에 최대 몇개까지 연결? -> 제약 => 행렬로 표현 · Edge - 블록들 간의 connection 명시 - lower level block -> higher level block : avoid forming a cycle · Evolution - tournament selection algorithm - 'parent' architecture 선택 & mutate -..

보호되어 있는 글입니다.

보호되어 있는 글입니다.

보호되어 있는 글입니다.