Overfitting, 과적합 딥러닝 모델을 연구하는 과정에서 피할 수 없는 문제인 과적합(Overfitting) 지난 포스팅에서 자세히 설명했던 과적합을 간단히 설명해보면 모델의 능력이 높아 학습 데이터를 다 외워버려서 실전 데이터를 판단하는 능력이 떨어지는 걸 뜻합니다. 즉 연습경기는 훌륭한데 실전 경기에서 실력을 보여주지 못하는 경우입니다. 사람에게 도움 될만한 인공지능 제품이 나오려면 모델의 높은 성능은 필수입니다. 모델의 성능을 높이는 과정을 과적합을 해결하는 과정과 같다고 표현할 수도 있을 만큼 모델과 많은 연관성을 가집니다. 모델의 능력이 높아질수록(모델의 층수가 늘어날수록) 성능이 떨어질 확률이 높아집니다. 성능이 떨어진 원인은 정말 다양하며 그에 맞게 해결하는 방법도 여러 가지입니다. 이..
인공지능의 학습 인공지능이란 사람처럼 배우고 판단할 수 있는 지능을 연구하는 공학분야입니다. 우리는 강아지와 고양이를 잘 구분합니다. 하지만 어떻게 구분하는지 설명할 수 있을까요? 털이 있다, 다리가 4개다, 코가 동글동글 귀엽다..? 다른 동물들과 너무 겹치는 특징입니다. 하지만 대부분의 사람은 높은 확률로 강아지와 고양이를 구분해냅니다. 이렇게 구분한 이유를 명확하게 설명할 수 없습니다. 왜냐하면 그동안의 많은 강아지와 고양이를 보았던 경험을 통해 구분이 가능하기 때문입니다. 강아지와 고양이를 연구하는 전문가라면 일반인에 비해 더 세세하게 구분이 가능하고 아직 많은 강아지와 고양이를 보지 못한 아이라면 구분을 어려워합니다. 이렇게 지능을 만들기 위해서는 기계를 학습시켜야 합니다. 많은 강아지와 고양이..
로봇 인공지능 분야 9월 29일 목요일 오후 7:00, 인공지능대학원 4학기 첫 시험을 치른다. 로봇분야는 강화 학습의 역할이 크고 수학과 통계 개념이 중요하다. 어렵고 복잡한 내용이지만 공부한 내용을 간결하게 요약해보며 시험을 위한 준비를 해보려 한다. 복잡한 수식과 계산은 참고만 해두고 최대한 개념과 이론 설명 위주로 작성해본다. Robots with AI INTRO 인공지능? 추론, 의미 이해, 일반화, 과거로부터 학습, 어떻게 행동할 것인지 결정하는 능력을 갖춘 시스템. 로봇분야에서는 어떻게 행동할 것인지 결정하는 것, make decision to act이 중요하다. The ability to reason, discover meaning, generalize, learn from past, ma..
Markov Decision Process(MDP) MDP는 RL, 강화 학습에서 중요한 핵심 이론이다. 이론을 알아보기 전에 Markov property에 대한 정의를 먼저 알아보면 agent가 환경에서 어떤 행동을 취하기 위해서는 의사결정이 필요하다. 그럴 때 의사결정을 위해서 주변 환경으로부터 정보를 받게 되는데 이런 정보들의 특성을 Markov property라 한다. 현재 state에서 다음 state로 변화하는 transition은 오로지 현재 state만 의존한다. 왜냐하면 현재 state에는 과거의 여러 과정을 거쳐서 행동한 것이므로 앞으로의 행동을 위한 정보를 충분히 포함하고 있다고 보는 것이다. Markov_마르코프 연쇄 Markov Chain Markov property를 가지고 있는..
