* 기계 학습
- 주변 환경 및 데이터를 통해서 공통점을 뽑아 내는 것
- 학습 능력에 의해서 지능형 시스템의 성능은 개선되어 간다.
- 대표적인 방법 : 유전알고리즘(Genetic algorithm), 인공신경망(Artificial Neural Network)
* 신경망
- 뇌 : 서로 연결된 신경 세포의 집합
- 신경세포(Neuron) : 정보처리 단위
- 여러개의 뉴런을 병렬처리 함으로써 인간은 어떤 컴퓨터보다 빠르게 그 기능을 수행할 수 있다.
- 복잡하며, 비선형적이고, 병렬적인 처리가 가능하다.
- 인공신경망 : 인간의 뇌를 부분적으로 흉내낸 것
* 인공신경망의 모델
- 사람 신경망의 단순화 : 여러가지 데이터를 합쳐서 처리를 한후 다음 노드로 결과를 전달
- 가중치가 있는 링크들의 연결로 이뤄진다.
- 각각의 뉴런은 여러 뉴런에게 데이터를 받지만, 단하나의 결과만을 낸다.
- 각각의 신호값을 가중치와 곱한 값들의 합과 뉴런이 가지고 있는 한계치와 비교한다.
- 간단한 경우 한계치를 넘어서면 1을 그렇치 않다면 -1을 출력하여 다음 노드로 전달한다.
* 인공신경망의 학습 : 반복적인 조정으로 학습을 실시한다.
* 활성화 함수(Activation function)
- 결과값을 내보낼때 사용하는 함수
- 전이 함수라고도 한다.
ⓐ 계단함수
- 한계치를 넘으면 1을 출력 그렇지 않으면 0을 출력
ⓑ 부호함수
- 한계치를 넘으면 1을 출력 그렇지 않으면 -1을 출력
ⓒ 시그모이드 함수
- X에 따라 Y값을 계산한다
- Y는 0~1값을 갖는다.
ⓓ 선형함수
- Y = X
- 크게 의미가 없다.
ⓔ 쌍곡 탄젠트 함수
- 시그모이드 함수를 변형하여 갖는 값을 -k~k사이로 바꾼 함수. (k는 a, b값에 의해 달라진다)
- 시그모이드 함수보다 빠른 학습을 위해서 사용되는 함수
- ⓐ와 ⓑ는 흑백 논리로서 사람이 생각하는 것과 다르다
- ⓒ, ⓔ를 주로 많이 사용한다. 가중치 값을 학습해나가는데 에러가 더 적게 나도록 도와준다.