인공지능 헷갈리는 개념 정리

튜링테스트	조작적 정의 : 측정할 수 있는(수치), 과학적으로 정의. 온도 →눈금
	게임트리 mini-max 알파베타 가지치기
제약조건 만족 문제	백트랙킹 탐색(깊이우선) : 허용되는 것 대입. 허용 안되는 것 이전단계로 돌아가서 다시. 제약조건 전파 : 인접 변수, 허용되지 못하는 값 제거. =>해당 레벨에서 선택 가능한 모든 경우를 한 판에 동시에 나열(해당 열 중복 가능), 그 다음 단계에서는 이전 단계에서 하나를 선택 후 반복 백트랙킹 탐색과 제약조건 전파의 차이 백트랙킹은 일 대 일 대응만 , 제약조건 전파는 일 대 다
추론	귀납 : 복수의 사실 일반화 : 일반적인 패턴 연역 : 참인 사실(명제) → 새로운 참인 사실(명제)
의미망	is-a : A == B 이다 예) is-a(조류,동물) 조류→동물 has-a : 부분, 조각 예) has-a(조류,깃털) 조류→깃털
불확실성	확신도 : 약한 관련성 [-1,1] 퍼지이론 : 부정확한 언어
규칙에 대한 추론 결과의 확신도	1)AND 문제) p1(cf_1) = 0.5, p2(cf_2) = 0.9, p3(cf_3) = 0.7, R(cf_r)=0.5 IF p1(cf_1)AND p2(cf_2)AND p3(cf_3)THEN R(cf_r):min(cf_1,cf_2,cf_3)*cf_r            0.5                0.9                 0.7               0.5  = 0.5  *  0.5 풀이 cf(R)=min{(cf_1), (cf_2), (cf_3)} *cf( p1 AND p2 AND p3 → R) cf(R)=cf(p1) * cf(p1 AND p2 AND p3 → R) cf(R)=0.5*0.5 = 0.25 2)OR  IF p1(cf_1) OR p2(cf_2) OR p3(cf_3) THEN R(cf_r):max(cf_1,cf_2, cf_3)*cf_r             0.5                0.9                 0.7              0.5 = 0.9*0.5 풀이 cf(R)=max{(cf_1), (cf_2), (cf_3)} *cf( p1 OR p2 OR p3 → R) cf(R)=cf(p2) * cf(p1 OR p2 OR p3 → R) cf(R)=0.9*0.5 = 0.45
확률(상대적)	결합 확률 : A와B가 동시에 일어날 확률 조건부 확률 : P(A|B) B가 주어질 때 A 가 일어날 확률 베이즈 정리 : 사후 확률 = (가능도*사전확률)/증거= P(BIA)P(A)/P(B)
퍼지 집합[0,1]	집합론 ↔ 퍼지 집합(이분적 X) 정성적 표현(성분,성질_큰,비싼..)을 정량적(0에서 1사이의 값으로) 표현화 시켜야 함 소속 정도(부분적 참)
퍼지추론	그래프 높이 and : 최소값 or : 최대값
가중치   편향	각 입력 신호가 결과에 주는 영향력을 조절하는 매개변수 가중치를 곱한 입력의 총합이 임계값을 넘으면 1, 아니면 0 뉴런이 얼마나 쉽게 활성화(결과로 1 출력) 되느냐를 조정하는 매개변수