전체 글49 떼지능(Swarm Intelligence) 여기서는 생물의 군집이 나타내는 지적 활동에서 힌트를 얻은 알고리즘인 떼지능(swarm intelligence)에 공부합니다. 일자군집 최적화, 개미집단 최적화, 물고기 떼의 행동행태 알고리즘 등을 예로서 개념을 이해하는데 중점을 두고 공부해 보겠습니다. 1. 입자군집 최적화(PSO; Particle Swarm Optimization) 입자군집 최적화(PSO; Particle Swarm Optimization)는 물고기 떼로 대표되는 생물의 군집 활동을 시뮬레이션하여 최적값을 탐색하는 최적화 방법입니다. PSO와 같은 swarm-based optimization에서는 주어진 법칙에 더하여 agent들이 저장하고 있는 정보를 조합하여 최적해를 찾아갑니다. 입자군집 최적화(PSO)에서는 탐색 공간 속에 최적.. 2023. 5. 30. 유전 알고리즘(GA; Genetic Algorithm) (2) 2023.05.27 - [인공지능(AI; Artificial Intelligence)] - 인공지능(AI): 진화연산(2) - 유전 알고리즘(GA; Genetic Algorithm) (1) (앞편의 유전자 알고리즘(1)에서 이어집니다) 3) 돌연변이(mutation) 돌연변이(mutation)는 랜덤으로 유전정보를 바꾸는 조작입니다. 유전정보의 최소 단위인 유전자자리에 주목해서 낮은 확률로 유전자자리의 0과 1을 전향시키는 방법(reverse) 또는 두 개의 유전자라리 사이의 유전정보를 바꾸는 방법(exchange)입니다. 일반적으로 돌연변이를 발생하게 하는 확률값은 몇 % 정도의 낮은 수치를 지정합니다. 이 값이 너무 크면 유전적인 조작으로 획득한 형질이 금방 망가져버려서 진화가 멈춥니다. 반대로 너무.. 2023. 5. 29. 유전 알고리즘(GA; Genetic Algorithm) (1) 진화연산의 구체적인 예로 유전 알고리즘(GA; Genetic Algorithm), 유전 프로그래밍(GP; Genetic Programming) 등이 있습니다. 여기서는 유전 알고리즘에 관하여 공부합니다. 2. 유전 알고리즘(GA; Genetic Algorithm) 유전 알고리즘(GA; Genetic Algorithm)은 집단 기반의 최적화 기법인 진화 알고리즘의 한 종류로 집적 회로 설계, 리보핵산(RNA:RiboNucleicAcid) 구조 예측, 인공 신경망(ANN) 학습 등 매우 다양한 분야의 최적화 및 탐색(search) 문제에 적용되고 있습니다. 유전 알고리즘은 1931년 시월 라이트(Sewall Wright)가 제안한 적합도 경관(fitness landscape)의 개념에 영향을 받았고, 196.. 2023. 5. 27. 진화연산(Evolutionary Computation) (1) 1. 생물진화와 진화연산(Evolutionary Computation) 진화연산(Evolutionary Computation)은 생물의 진화 과정을 시뮬레이션하여 최적화나 지식획득을 하는 계산 알고리즘입니다. 생물진화란 생물집단이 세대교체를 거치면서 환경에 더욱 잘 적용한 형질을 획득하는 과정입니다. 진화연산에서는 환경과의 상호작용이나 세대교체를 통해 유전적인 조작을 시뮬레이션해서 조합 최적화 문제를 풀고 최적화에 관한 지식을 얻습니다. 생물의 진화는 진화의 원리에 따라 발생합니다. 전제적인 요건으로 생물은 부모로부터 자식에게 유전자를 전달하는데, 이때 유전정보를 구성하는 것이 유전자(gene)입니다. 또한 유전정보는 염색체(chromosome)이라는 물질에 기록됩니다. 염색체에는 다양한 유전정보가 기록.. 2023. 5. 26. 딥러닝(Deep Learning) (3) - 생성적 대립 신경망(GAN; Generative Adversarial Network) 5. 생성적 대립 신경망(GAN; Generative Adversarial Network) 생성적 대립 신경망(GAN; Generative Adversarial Netwrok)은 생성기(Generator)와 판별기(Discriminator)가 경쟁하면서 실제와 가까운 이미지, 동영상, 음성 등을 자동으로 만들어 내는 머신러닝(ML) 학습 방식의 하나로서, 두 개의 신경망(생성기와 판별기)을 조합하여 비지도학습(unsupervised learning)을 진행하면서 입력된 데이터와 유사한 데이터를 생성할 수 있는 생성계를 구성하는 시스템입니다. GAN을 이용하면 주어진 이미지 데이터를 사용해 학습을 진행하여 주어진 이미지 데이터와 유사한 새로운 이미지 데이터를 생성하는 이미지 생성계를 얻을 수 있습니다. 참.. 2023. 5. 25. 딥러닝(Deep Learning) (2) - 자기부호화기(autoencoder) 및 LSTM(Long Short-Term Memory) (앞 편의 합성곱 신경망에 이어서 공부합니다.) 3. 자기 부호화기(autoencoder) 자기 부호화기(autoencoder)는 3층 구조의 계층형 신경망입니다. 자기 부호화기(autoencoder)는 입력층과 출력층에 같은 수의 인공 뉴런이 있고, 은닉층에는 입출력층의 인공 뉴런보다 적은 수의 인공뉴런을 배치한 형태입니다. (그림 2) 자기 부호화기(autoencoder)는 원래 비지도학습(unsupervised learning)으로 차원 축소(dimensionality reduction)가 목적인 계층형 신경망입니다. 그 의미를 살펴보면 다음과 같습니다. 자기 부호화기에 넣은 학습 데이터는 입력층의 신경망 개수가 같은 차수의 벡터입니다. 자기 부호화기에서는 특정 학습 데이터에 대응하는 데이터와 일치.. 2023. 5. 24. 이전 1 2 3 4 5 6 7 8 9 다음 728x90
