[AIタスク終了]二次試験-機械学習、深さ学習マイニング
2295 ワード
人工知能の種類
マシンラーニング
コンピュータ学習のためのアルゴリズムと技術の開発
深く勉強する.
:学習目的に適した属性、特徴を自動的に抽出する
->この機能による高パフォーマンス学習
アーサー・サムエルアーサー・サムエル(1901-1990)
1.既存の分類属性の学習
2.新商品の発売
3.知能分類
短所:不確定タイプが発生した場合
1.学習指導
:正しいLabelがあるデータの使用
:ラベルがない(正しい)データをクラスタ化します.
新しいデータの結果を予測する方法を学ぶ
:オブジェクトのフィーチャーに基づいて正解をマーク
Label
:ターゲットに表示されるデータ
トレーニング(データ)セットまたはトレーニングデータ
:ラベルデータの集合
マグネトロン
:ニューロンからなるニューラルネットワーク構造を数学的に模倣する構造入力層:入力ニューロン(ノード)、入力データ受信層 非表示レイヤ:計算レイヤ 出力層:出力ニューロン(ノード)からなり、 出力最終出力
入力レイヤ->非表示レイヤ->出力レイヤ
(出力値-実績値=損失(error))
2.逆伝播
逆計算により損失を最小限に抑える.
ウェイトの更新(Update Weights)
配置
集団
時代
:1-epoch完了に必要なミニレイアウト数
マシンラーニング
コンピュータ学習のためのアルゴリズムと技術の開発
일종의 소프트웨어 프로그램
뉴런 하나와 비슷
深く勉強する.
:学習目的に適した属性、特徴を自動的に抽出する
->この機能による高パフォーマンス学習
딥러닝은 순전파와 역전파가 반복적으로 이루어지면서
적합한 가중치를 스스로 찾아내고
우수한 성능을 가진 인공신경망이 완성됨
アーサー・サムエルアーサー・サムエル(1901-1990)
인공지능의 정의
명시적인 프로그래밍 없이도 컴퓨터가 스스로 학습할 수 있도록 하는 학문
ぶんかつ1.既存の分類属性の学習
2.新商品の発売
3.知能分類
短所:不確定タイプが発生した場合
-> 유형을 추가해 주는 시간과 노력 필요
<勉強>1.学習指導
:正しいLabelがあるデータの使用
트레이닝(데이터) 셋의 형태에 따라 나뉨
- 분류(classification)
: 문제와 정답이 정확히 인간이 정해놓은 대로 딱 맞아 떨어지는 경우
자동화 시킬 수 있음
- 회귀 분석(refression analysis)
: 문제와 답의 관계가 인과성을 지닌
연속적인 수치로 나타나는 데이터 셋을 사용해 학습하는 것
y = f(x)
x : 원인, 문제, input
y : 결과, 답, output
f() : 관계, 풀이, function
원인과 결과 관계와 관련이 깊음
2.非指導的な学習:ラベルがない(正しい)データをクラスタ化します.
新しいデータの結果を予測する方法を学ぶ
데이터들의 군집
: 입력 데이터들의 유사한 속성값
유사도함수
: 유사한 속성값을 찾기 위해 유사도 측정하는 함수
Labeling:オブジェクトのフィーチャーに基づいて正解をマーク
Label
:ターゲットに表示されるデータ
トレーニング(データ)セットまたはトレーニングデータ
:ラベルデータの集合
マグネトロン
:ニューロンからなるニューラルネットワーク構造を数学的に模倣する構造
(1957년 플랑크 로젠블라트에 의해 고안된 인공 신경망 최초의 알고리즘)
어떻게 입력 데이터에
어떤한 가중치가 실리고
활성화 함수를 통해서 전달할지말지 판단하여
출력을 내보낼 수 있는 구조
ニューラルネットワーク(은닉층 >= 2) : 심층 신경망, 딥러닝
층들의 노드간 연결강도를 나타내는 가중치(weight) 존재
가중치는 이전층의 어떤 노드의 결과값을 얼마나 신뢰할 것이냐는 의미
1.順方向伝播(Forward Propagation)入力レイヤ->非表示レイヤ->出力レイヤ
(出力値-実績値=損失(error))
2.逆伝播
逆計算により損失を最小限に抑える.
ウェイトの更新(Update Weights)
配置
集団
전체 트레이닝셋을 작은 그룹들로 나누었을 때
- 배치사이즈(batch size)
: 하나의 소그룹에 속하는 데이터 수
- 배치폼(batch form)
: 나누어진 형태
エポック時代
전체 트레이닝셋이 신경망을 통과한 횟수
ex) 1-epoch -> 전체 트레이닝셋이 하나의 신경망에 적용되어
순전파와 역전파를 통해 신경망 한 번 통과
繰り返し(Iteration):1-epoch完了に必要なミニレイアウト数
미니배치가 신경망을 통과할 때마다 가중치 업데이트
Reference
この問題について([AIタスク終了]二次試験-機械学習、深さ学習マイニング), 我々は、より多くの情報をここで見つけました https://velog.io/@steam88ys/AI-미션클리어2차시-머신러닝-딥러닝-파헤치기テキストは自由に共有またはコピーできます。ただし、このドキュメントのURLは参考URLとして残しておいてください。
Collection and Share based on the CC Protocol