총 5개
-
미적분2024.09.111. 인공지능과 최적화 1.1. 인공지능에서의 최적화 인공지능에서의 최적화란 인공지능 시스템이 작업을 수행하는 과정에서 최선의 결과를 얻기 위해 매개변수를 조정하는 것을 의미한다. 인공지능 시스템은 방대한 데이터를 입력받아 처리하는데, 이 과정에서 성능 지표를 최적화하는 것이 매우 중요하다. 성능 지표는 예측 오차나 손실함수와 같은 수치로 나타나며, 이 지표가 가장 낮은 최적의 모형을 찾는 것이 최적화의 목표이다. 최적의 모형을 찾기 위해서는 모형의 매개변수를 조정해야 하는데, 이때 미분 및 편미분을 활용하는 경사하강법이 널리...2024.09.11
-
경사하강법과 딥러닝2024.11.251. 딥러닝 모델링 성능 향상 기법 1.1. 연속형 모델 손실함수 1.1.1. 손실함수 손실함수는 신경망 모델의 예측값과 실제값 간의 오차를 정량화하는 척도이다. 이는 신경망 모델의 성능을 평가하고 학습을 진행하는 데 필수적인 요소이다. 적절한 손실함수를 선택하는 것은 모델 성능 향상을 위해 매우 중요하다. 연속형 모델의 경우, 평균 제곱 오차(Mean Squared Error, MSE)가 가장 일반적으로 사용되는 손실함수이다. MSE는 예측값과 실제값의 차이를 제곱하여 평균한 값으로, 모델의 예측 정확도를 최대화하도록 학습을...2024.11.25
-
단국대 생산운영관리2024.10.151. 품질관리 1.1. 품질선구자: 데밍, 이시카와, 다구찌 데밍은 통계적 방법을 통한 통계적 품질관리를 강조했다. 그리고 샘플링기법, 관리도, PDCA사이클 등 기술위주의 품질기법을 강조했다. PDCA는 계획, 실행, 확인, 조치 순으로 품질을 관리하는 것이고 재설정단계를 거친다. 그리고 데밍은 연쇄반응이라는 개념을 제시했다. 연쇄반응이란 품질이 높아지면 재작업 등의 과정이 없어지기 때문에 생산성이 향상되고 고용창출까지 이끌어낸다는 개념이다. 일본은 데밍을 초빙해오는 것을 국가적 목표로 삼았고 성공했다. 데밍은 일본의 경영자들을...2024.10.15
-
미적분 보고서2024.10.291. 인공지능과 최적화 1.1. 경사하강법 1.1.1. 요약설명 경사하강법은 인공지능의 딥러닝에 이용되는 핵심 알고리즘으로, 입력값이 변했을 때 함수의 출력값이 어떻게 달라지는지 정량적으로 파악하기 위해 미분이 적용된다. 손실함수를 미분하면 특정 지점에서의 기울기를 알 수 있으며, 이 기울기의 절댓값이 작아지는 방향으로 지점을 옮기면 손실함수의 최솟값을 찾을 수 있다. 이러한 방식으로 최적의 예측 모형을 구하는 것이 경사하강법의 핵심 원리이다. 경사하강법을 이해하기 위해서는 편미분 개념이 필요한데, 편미분은 여러 변수로 이루...2024.10.29
-
미적분2024.09.081. 인공지능과 최적화 알고리즘 1.1. 인공지능의 발전과 미분의 역할 인공지능의 발전과 미분의 역할은 매우 밀접한 관계를 가지고 있다. 인공지능은 고속 연산 작업이 가능한 하드웨어, 방대한 빅데이터, 그리고 최적화 알고리즘을 바탕으로 발전해왔는데, 이 중에서도 최적화 알고리즘에 미분이 핵심적인 역할을 담당하고 있다. 먼저, 인공지능에서 사용되는 기계학습 기법인 딥러닝의 경우 매우 복잡한 다변수 함수를 활용한다. 이러한 다변수 함수에서 최적의 모수 값을 찾기 위해서는 미분이 필수적이다. 미분을 통해 함수의 기울기, 즉 변화율을 ...2024.09.08