--------------------********/인공지능6 conv에서의 padding과 pooling에서의 padding https://www.pico.net/kb/what-is-the-difference-between-same-and-valid-padding-in-tf-nn-max-pool-of-tensorflow/ 2021. 12. 6. 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→동.. 2021. 11. 13. 알파베타 가지치기 Alpha-beta pruning 설명 알파베타 가지치기에 대한 설명을 찾아보며 학습한 내용입니다.잘못된 부분이 있다면 알려주시기 바랍니다. 감사합니다! 그림과 그림 하단에 설명을 참고하시면 됩니다. 알파베타 가지치기는 α≥β 이면 가지치기를 하게됩니다. 루트 노드에서 시작하게 되는데, 루트노드 우측에 다음을 적어줍니다.α = -∞ β = ∞좌측의 자식 노드로 내려왔을 때부모 노드에 있던 α, β값을 그대로 적어줍니다.α = -∞ β = ∞또, 좌측의 자식 노드로 내려왔을 때부모 노드에 있던 α, β값을 그대로 적어줍니다.α = -∞ β = ∞또! 자식 노드로 내려왔을 때부모 노드에 있던 α, β값을 그대로 적어줍니다.α = -∞ β = ∞해당 노드는 min 값을 선택해야 하기 때문에 β 값을 수정해주게 됩니다. 이때, ∞ 와 5 중에서.. 2021. 11. 7. 인공지능 수업 (나름대로 정리한)핵심 요약 2.지식 -규칙 -전략 예) IF A THEN B AND 1단계 종료 IF 1단계 끝 AND A THEN B 2단계 종료 -휴리스틱 3.프레임(표) -슬롯: 슬롯이름 vs 슬롯 값 -클래스 ↔ 인스턴스 4.논리 -명제 -리터럴 ⊂ 절(논리곱 정규형/논리합 정규형) -추론 -술어논리 5.의미망 -is-a ↔ has-a 6.스크립트 -절차적 지식 (진입조건, 역할자, 자산, 트랙, 장면, 결과 조건) 7.함수에 의한 지식 표현 -수치값,함수 -퍼셉트론 8.불확실한 지식 표현 -약한 관련성 → 확신도 cf( ) -부정확한 언어 → 퍼지 이론 -확률: 결합 확률 vs 조건부 확률 vs 베이즈정리 -집합론 → 퍼지집합(소속 정도) (확신도 참고 자료 출처: http://www.aistudy.co.kr/expert.. 2021. 10. 4. 알파베타 가지치기 Alpha-beta pruning 설명 영상 보호되어 있는 글 입니다. 2021. 10. 4. (찾아본)탐색 알고리즘 https://ralp0217.tistory.com/entry/%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5%ED%83%90%EC%83%89Search [인공지능]탐색(Search) [인공지능]탐색(Search) 인공지능 연구 분야/기술로 Search가 있는데, 왜 Search를 하냐, 또 Search 하는 방법에는 어떤 것들이 있을까에 대해서 작성하려고 한다. 탐색(Search) : 문제의 해(solution)가 될 수 ralp0217.tistory.com http://wiki.hash.kr/index.php/%EC%B5%9C%EC%86%8C%EC%B5%9C%EB%8C%80_%EC%95%8C%EA%B3%A0%EB%A6%AC%EC%A6%98 최소최대 알고리즘 - 해시넷 최소최대 알고리.. 2021. 9. 28. 이전 1 다음
