In University ☆ In Bucket Place ☆ Hobby & Study Room ☆

1. 개념 - 수많은 문제를 해결하기 위해서는 위에서 언급한 3가지의 기능을 적절히 섞어서 사용해야 한다. - 이는 문제를 푸는데 드는 비용을 감소하기 위함이다. - 이러한 개념이 하이브리드 지능 시스템(Hybrid intelligent system)이다. - 하이브리드 지능 시스템을 구축하는 방법을 소프트 컴퓨팅(soft computing)이라고 한다. 2. 소프트 컴퓨팅 - 불확실하고 부정확하며 불완전한 정보를 다루는데 뛰어나다. - 수치화하기보다 인간의 말로 표현된 소프트 데이터를 주로 사용한다. - 전통적인 인공지능이 인간의 지식을 기호로 나타낸 것에 비해 소프트 컴퓨팅은 인간의 말 그대로를 사용한다. 3. 소프트컴퓨팅 선택 표 - 자신이 구현하는 시스템의 성질을 보고 조합하면 된다.

* 퍼지 사고 - 모호한 용어를 사용하는 전문가의 지식을 컴퓨터에 수치화 하여 나타낼 방법을 모색 - 모호한 용어와 같이 모호한 대상을 다루는 논리가 퍼지 논리(Fuzzy logic)이다. - 또한 퍼지 논리를 조절 할 수 있는 것이 퍼지 집합(Fuzzy set)이다. - Boolean Logic vs Fuzzy logic > 전통적인 논리는 이분법에 의해 구분되게 된다. > 퍼지논리는 사람이 생각하는 방식을 반영하여, 사람의 인식을 모델링 한다. - Jan Lukasiewicz : 모호함을 수학적으로 바꾸는 것을 최초로 시도한 사람 > 0~1과 사이의 수치로 진리값을 사용하여, 문장이 참이나 거짓이 되는 가능성을 나타냈다. eg) 만약 온도가 40도라면 0.8의 확률로 뜨겁다. > 모호한 대상을 다루는..

* LFF(Layered Feed-Forward neural network) : 다층 피드 포워드 신경망 - 퍼셉트론은 선형분리가 불가능한 문제에 대해서 해결을 해지 못했다. - 이러한 문제를 해결 하기 위해서 나타난 것이 LFF이다. - LFF는 선형분리가 불가능한 문제를 나누기 위해서 여러개의 직선으로 층을 나눠서 문제해결을 시도한다. ex) 퍼셉트론으로 풀지 못한 XOR문제를 LFF, 2개의 층으로 이뤄진 신경망을 이용하여 해결이 가능하다. - LFF는 하나의 입력층과 하나 이상의 은닉층, 하나의 출력층으로 이뤄져 있다. - 이름에서 나타 났듯이 입력층, 은닉층, 출력층 등으로 층이 나눠져 있으며, 앞으로만 전진이 가능한 단방향 뉴런 네트워크다. > 입력층 : 계산과정 없이 외부로 부터 신호를 받아..

* 퍼셉트론 - 계단 함수 또는 부호함수를 사용하여 만들어진 단순한 뉴런 - 퍼셉트론에서는 초평면과 선형분리 개념이 적용된다. > 초평면 : N차원 공간을 두개의 영역으로 나누는 평면 > 선형분리 : 값의 분포를 2개로 나눠지는 평면이 존재하면, 선형분리가 가능하다라고 한다. - 선형분리가 가능해야지 퍼셉트론으로 표현이 가능하다. ex1) AND > 녹색선과 빨간색선은 모두 2차원 공간을 2개로 나누는 초평면이다. > 녹색선으로 만들어진 함수는 AND를 나타내기 위해 부적합하다. > 붉은선으로 만들어진 함수는 AND를 나타내기에 적합하다. 또한 붉은선에 의해서 상태가 나눠지므로, 선형분리가 가능하다. > 이는 퍼셉트론으로 계산이 가능하다. ex2) XOR > 어떠한 초평면으로도 XOR을 만족시키는 것이 ..

* 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 이..

* 확신도 이론(Certainty factors theory : CF) - 수학적으로 맞지 않지만, 전문가가 생각하는 것처럼 추론을 한다. - MYCIN 의료 전문가 시스템에서 최초로 도입되었다. - 확신도는 전문가가 특정 사실에 대해서 신뢰하는 수치로 -1.0(확실한 거짓) ~ +1.0(확실한 참)까지의 값을 사용한다. - 전문가와의 상담을 통해서 전문가의 언어적 표현을 확신도로 변경하여서 구하는 것이다. (ex. 아마도 그러할 것이다 > 확신도 +0.6 // 거의 확실이 아닐 것이다 > 확신도 -0.8 // 잘 모르겠다 > 확신도 0) - 확신도는 기반 지식에 포함되여서 나오게 된다. > Rule) IF 증거 THEN 가설{cf value} // 증거가 발생했을때 가설이 일어날 확신도는 cf를 따른다..

* 불확실성 - 사람이 사용하는 정보는 불완전하고, 모순되기도 한다. - 부사, 형용사의 수치화가 정확히지 않으며 그 경계 또한 모호하다. - 불확실성은 믿을 만한 결론에 도달하기 위해 필요한 정보 부족이라고 할 수 있다. - 전문가 시스템에 저장되는 지식은 불확실하게 될 경우가 많다. > 부정확한 언어 : 위에서 말했듯이 부사, 형용사의 수치화가 힘들며 이로 인해 데이터의 모호함을 유발한다. > 알려지지 않는 데이터 : 알려지지 않은 데이터에 대해서는 근사적 추론을 진행한다. 이로인해 나온 결과는 불완전하다. > 상관관계의 표현 : 모든 관계가 IF-THEN형식으로 표시되지 않는다. > 전문가들의 내용을 함축 : 지식 병목현상으로 각 전문가마다 의견이 다르고 이에 대한 진위를 밝히기가 힘들다. - 이러..

* 일치-점화를 통한 추론 엔진 싸이클 - 일치 : 주어진 규칙과 지식베이스의 사실이 일치하는 가를 파악하는 과정 - 점화 : 일치된 규칙에서 도출되는 결론을 지식베이스에 추가하는 과정 - 추론 엔진은 순방향 연결 추론(forward inference chaining)과 역방향 연결 추론(backward inference chaining)이 있다. - 규칙의 IF 부분과 사실과의 일치는 추론 사슬(inference chains)을 생성한다. ex) 지식베이스에 A, B, C가 사실이라는 것이 존재. rule 1) If Y is true and C is true then Z is true. rule 2) If B is true then X is true. rule 3) If X is true and A i..

* 지식이란 무엇인가? - 지식 : 어떤 주제나 분야에 대해 이론적으로 이해한 것을 의미한다. 또는 현재 공개된 사실들의 모음이기도 하다. - 전문가 : 지식을 소요한 사람을 전문가라고 하며, 특정 분야에 대해서 다른 사람보다 더 잘하고, 경험이 많은 사람을 말한다. > 전문가는 특정 분야에 대해서 사실(진리)과 이 사실에 대한 규칙(해결책)을 잘 알고 있다. > 전문가의 분야의 범위는 제한적이다. > 전문가는 자신의 지식을 문제 풀이에 관한 규칙 형식으로 표현하는데 능숙하다. - 생성 규칙 : 자신의 행동에 대한 설명으로, 특정 구문으로 이뤄진 문장이다. > 전문가 일수록 더 많은 생성 규칙이 나온다. ex) IF 신호등=녹색 THEN 길을 건넌다. [생성규칙 1] IF 신호등=적색 THEN 멈춰 기다..

* 탐색의 개요 - 문제 풀이 바업 > 절차 기반 : 성공 보장이 가능한 절차를 사용(확실한 절차가 존재한다). 이 절차는 알고리즘 형태로 변환이 가능하다. > 탐색 기반 : 계산적인 방식으로 거의 해결이 불가능한 실세계 무제들에 대해 해를 구하는 방법. 인공지능의 접근이 필요. - 탐색 방법의 성능 평가 > Cost : 최소한의 노력으로 얼마나 빨리 해를 발견하는가? ※ 탐색의 속도에 영향을 주는 것 1) 해를 발견하는데 방문한 실제 노드의 수 2) 해를 발견하기 위해 Backtracking을 최소화로 하는 것이 바람직함 > Good solution(좋은해) : 최적해에 가까운 해를 발견하는가? ※ 최적해와 좋은해 1) 최적해 : 해중에서 가장 좋은 것으로, 대부분 소모적인 탐색이 필요하다. 2) 좋은..