총 17개
-
인공지능 머신러닝 지도학습, 비지도학습, 강화학습의 실사례2025.01.161. 지도학습(Supervised Learning) 지도학습은 입력한 데이터와 출력한 데이터를 각각 공급하여 작동하는 유형으로, 훈련을 통해 알고리즘이 입력값을 바탕으로 내용을 처리하고 모델을 수정하며 원하는 출력에 근접하는 결과물을 산출하게 됩니다. 이는 분류와 예측 문제에 유용한 학습 방법으로, 스팸 이메일 탐지 기능은 대표적인 사례입니다. 해당 모델은 '스팸 메일'과 '비스팸 메일'로 레이블이 지정된 이메일 데이터 집합을 통해 학습되며, 키워드, 발신자 정보, 이메일 구조 및 내용과 같은 특징을 사용하여 새로운 수신 이메일을 ...2025.01.16
-
고전적 조건형성 및 조작적 조건형성 관련 실험 요약 / 조건형성 원리를 교육분야에 적용할 수 있는 방법에 대한 고찰2025.01.121. 고전적 조건형성 고전적 조건형성은 동물의 본능적인 반응과 조건 자극 간의 연결을 통해 학습이 발생하는 것입니다. 즉, 동물에게 무조건 자극(US)과 함께 조건 자극(CS)을 제공함으로써, 결국 조건자극 만으로도 무조건 자극과 유사한 반응인 조건 반응(CR)을 나타내게 되는 과정을 의미합니다. 파블로브식 조건형성실험에서 개가 종소리만 들려주어도 침샘 활동(CR)을 유발하는 현상이 고전적 조건형성의 예입니다. 이러한 조건형성은 동물의 본능적 반응을 이용하여 학습을 형성할 수 있다는 점을 시사합니다. 2. 조작적 조건형성 조작적 조...2025.01.12
-
DQN과 A2C network를 활용한 CartPole 강화학습 훈련과정 및 code2025.01.131. CartPole environment OpenAI gym의 CartPole은 카트 위에 막대기가 고정되어 있고 막대기는 중력에 의해 바닥을 향해 자연적으로 기울게 되는 환경을 제공한다. CartPole의 목적은 카트를 좌, 우로 움직이며 막대기가 기울지 않고 서 있을 수 있도록 유지시켜 주는 것이 목적인데, 강화 학습 알고리즘을 이용하여 막대기를 세울 수 있는 방법을 소프트웨어 에이전트가 스스로 학습할 수 있도록 한다. 2. DQN algorithm Deep Q-Network는 state-action value Q값을 Deep...2025.01.13
-
장애 영유아의 자폐 범주성 장애와 교수 방법2025.01.201. 자폐 범주성 장애의 판단 기준과 증상 자폐 범주성 장애는 사회적 의사소통 및 상호작용의 부족, 행동·관심·활동의 제한적이고 반복적인 패턴이 특징이다. 사회적 측면에서 전형적이지 않은 방식으로 부모에게 달라붙고 눈 맞춤이 어려우며, 다른 사람과의 관계 형성이 어렵다. 행동 측면에서는 변화에 대한 저항감이 크고 특정 무생물에 과도한 애착을 보이거나 반복적인 행동을 한다. 2. 자폐 범주성 장애의 교수 방법 자폐 범주성 장애 학생을 위한 교수 방법으로는 장애 특성을 고려한 개별화된 교육과정 운영, 시각적 접근과 강화 방법이 있다. ...2025.01.20
-
머신러닝의 3가지 학습 방법: 지도학습, 비지도 학습, 강화학습2025.01.041. 지도학습 지도학습은 입력과 출력 간의 관계를 학습하는 방식으로, 정답과 사례를 연결시켜주는 방식으로 이루어집니다. 데이터 집합을 통해 입력과 출력 간의 함수관계를 기계가 배우게 되며, 이렇게 얻어진 함수를 모델이라고 합니다. 지도학습으로 만들 수 있는 대표적인 것은 패턴 분류와 회귀분석입니다. 2. 비지도 학습 비지도학습은 입력 데이터 세트에 레이블을 달아주지 않고, 기계가 데이터를 묶을 수 있는 특징을 스스로 찾아내게 합니다. 비지도 학습은 데이터 집합 속에서 숨겨진 패턴을 배우며, 군집화를 이용해 서로 유사한 데이터를 묶습...2025.01.04
-
강화학습을 이용한 unslotted CSMA_CA backoff 학습법2025.04.251. IEEE 802.15.4 프로토콜 IEEE 802.15.4 프로토콜은 저전력 및 저속 WSN(Wireless Sensor Network)의 특성을 달성하기 위한 프로토콜입니다. MAC계층은 unslotted, slotted 두가지의 CSMA/CA알고리즘을 지원하며, 본 논문에서는 Unslotted CSMA/CA 알고리즘을 개선하고자 합니다. 2. Unslotted CSMA/CA 알고리즘 Unslotted CSMA/CA 알고리즘은 시간동기화 없이 패킷을 전송하지만, 주변 트래픽이 혼잡해질수록 패킷 충돌확률이 높아져 PDR이 급격...2025.04.25
-
인공지능의 역사적 발전과 현재 동향2025.05.161. 인공지능 연구의 역사 인공지능 기술의 역사적 발전 과정을 살펴보며 현대에 이르기까지의 중요한 이정표와 혁신적인 발견들을 중점적으로 다룹니다. 앨런 튜링의 '컴퓨터와 지능' 논문에서 제시된 튜링 테스트는 인공지능 연구의 초기 방향을 제시했으며, 1950년대와 1960년대에는 인공지능의 기초적인 개념과 알고리즘이 개발되었습니다. 1980년대에는 신경망과 딥러닝 같은 현대 인공지능 기술의 기반이 형성되었고, 최근에는 인공지능 기술이 빠르게 발전하며 다양한 분야에서 혁신적인 변화를 가져오고 있습니다. 2. 인공지능 관련 연구 동향 딥...2025.05.16
-
교육심리학) 조작적 조건형성의 특징과 인간관, 그리고 응용방법을 서술하시오(A+리포트)2025.05.131. 조작적 조건형성의 특징 조작적 조건형성은 교육심리학에서 중요한 개념으로서, 개인의 행동을 형성하고 조절하는 과정을 설명하는 모델이다. 조작적 조건형성의 주요 특징은 조작적 자극의 역할, 강화와 효과, 행동의 조작성, 예측성과 제어성 등이다. 이를 통해 개인의 학습과 행동을 이해하고 개선할 수 있다. 2. 조작적 조건형성의 인간관 조작적 조건형성은 인간의 본성적 욕구와 목표지향성, 학습과 적응 능력, 자기효능감과 성취감, 예측과 제어 능력 등 인간관과 깊은 연관성을 갖는다. 이러한 인간의 특성들이 조작적 조건형성의 원리와 상호작...2025.05.13
-
[인공지능의세계 A+] 기말고사 문제풀이 객관식 + 서술형 + 단답형 문제+해설2025.05.101. 기계학습 기계학습은 인간의 학습능력을 기계나 컴퓨터에서 구현한 것으로, 지도학습과 비지도학습으로 구분할 수 있다. 지도학습은 학습 데이터의 정답이 주어지는 반면, 비지도학습은 정답이 주어지지 않는다. 신경망은 자동으로 가중치를 학습하는 기계학습 방식이다. 강화학습은 보상을 통해 최적의 행동을 학습하는 방식으로, 알파고가 자체 연습 대국을 통해 좋은 수를 학습하는 데 사용되었다. 2. 클러스터링 K-Means 클러스터링은 데이터를 K개의 클러스터로 분류하는 방법이다. K-Means 클러스터링의 단점은 k의 개수를 사전에 정해야 ...2025.05.10
-
슈퍼 마리오 - 인공지능은 어떻게 게임을 할까?2025.05.081. 데이터 기반 학습 인공지능은 슈퍼 마리오 게임 플레이 데이터를 사용하여 게임의 규칙과 패턴을 학습합니다. 이를 통해 어떤 상황에서 점프를 해야 하는지, 어떤 적과의 접촉을 피해야 하는지 등을 학습하게 됩니다. 2. 강화 학습 인공지능은 게임 플레이를 통해 보상과 벌점을 받고, 이를 통해 자동으로 학습하게 됩니다. 예를 들어 도착 지점에 도달하면 보상을 받고, 적에게 맞으면 벌점을 받는 식으로 학습하면서 게임을 플레이합니다. 3. 신경망과 패턴 인식 인공지능은 신경망 모델을 사용하여 게임 화면의 정보를 분석하고, 적의 위치, 장...2025.05.08
1 / 2
