인공지능

2강. 인공지능 연구와 문제해결

탐색과 지식 

불확실성 : 현실에서 인공지능은 일부 정보만을 가지고 판단하는 불확실성을 가지므로 불확실성 속에서 컴퓨터 프로그램을 좀 더 지능화하기 위한 방법이 필요 (예. 날씨예측, 상품 생산 예측) 

머신러닝 : 컴퓨터 프로그램이 데이터로부터 패턴을 학습하는 방법 

 

탐색(search) : 특정한 문제(problem)의 답(solution)을 찾는 방법 지식(knowledge) : 지식을 표현하고 지식으로부터 추론하거나 결론을 내리는 것 지도학습(예측 프로그램과 분류 프로그램) 과 비지도학습(군집분류, 생성모델)  

지식 (knowledge) : 지식을 표현하고 지식으로부터 추론하거나 결론을 내리는 것 

 

인공지능은 규칙 기반 인공지능과 신경망 기반 인공지능이 있다. 신경망 기반 인공지능의 핵심기술은 뉴럴네트워크와 딥러닝이며 해당 응용분야는 이미지, 음성 패턴 인식 등이 있다. 

 

 

 

3강. 탐색 (규칙 기반) . 어떻게 구성하고 정의하는지. 

에이전트가 하나일 때랑 두개일 때랑 어떻게 다른지 

greedy

경로비용 

적대적 탐색 

너비우선, 깊이우선 

A서치  : g(n) 현재 노트에 도달하는 비용 과 h(n) 목표 도달까지의 추정 비용의 합이 가장 작은 방향으로 탐색하는 방법 

 

Depth-First Search : 한길의 끝에 다다를 때까지 먼저 탐색 후 다른 길을 탐색 

Breadth-First Search : 양쪽 길을 번갈아 가며 탐색 

 

 

탐색 전략의 종류       Uninformed Search : 문제와 관련된 지식을 사용하지 않는 탐색 방법       Informed Search : 좀 더 효율적으로 답을 찾기 위해 문제와 관련된 지식을 사용하는 탐색 방법 

 

Uninformed and Informed Search       A* Search  :  현재 노드까지 도달하는데 드는 비용과 Manhattan distance의 합을 계산       Adversarial Search(적대적 탐색) 

 

 

4강. 지식

명제논리 

분해를 이용한 추리 - 43쪽 

     드 모르간의 법칙

     분배 법칙 

5강. 불확실성 

13페이지. 주사위 확률. 

결합확률과 주변확률 

베이지안 네트워크 

6강. 지도학습 

지도학습과 비지도학습의 차이 

k-nearest neighbor

선형회귀 

         잔차표준오차 (RSE)를 작게해야 

7강. 지도학습 (2) 

p.10 선형회귀 모델링 

p.24 트리

        여러 개의 트리의 평균을 낸다.

                 그 방법 중 하나가 Bagging (Bootstrap aggregation) 

랜덤포레스트 

        Bootstrap에 의해 생성된 트리들의 관계성을 낮춰 성능을 향상하는 방법 

        트리를 분기할 때 p개의 predictor를 고려하는 것이 아니라 임의로 선택된 mrodml predictor만 사용 

p.33, 34,35, 36  (Support Vector Machines)

       Hyperplane (초평면) 

       Maximal Margin Classifier : 모든 seperating hyperplane 가운데 두 class 간의 margin 을 가장 크게 하는 seperating hyperplane 이 존재 

               -> 모든 데이터에 대해 알 필요 없기 때문에 효율적. 

       Soft margin . SVC(Support Vector Classifier) 마진 안에 잘못된 클래스 허용