대답해드리는게 인지상정

머신러닝의 3요소 중 하나 RL(Reinforcement Learning)은 머신 러닝에 3가지 학습 법 중 하나로 인공지능의 학습의 글에서는 Supervised Learning에 대해 이야기를 잠깐 하였는데 이는 입력과 원하는 답(Label)이 존재해야 한다.개와 고양이, 쿠키와 치와와를 구분을 하기 위해 데이터가 필요하다.하지만 그런 답을 만들기 어려운 상황이 있다.예로 차나 로봇이 움직인다고 할 때 팔다리의 위치를 상황에 따라 일일히 라벨하기에는 어렵다.(길사진에 차가 꺽을 핸들 각도를  라벨링 한 적은 있음)  위와 같은 상황에서 쓸 수 있는 방법으로 상호작용이 가능한 환경에서 상태(input or state)를 얻고 행동(Action)을 정하는 정책(Policy)을 보상(reward)을 최대화하..

목차 열기" data-ke-type="html">HTML 삽입미리보기할 수 없는 소스왜 무엇을 버리나?Drop Out은 말 그대로 버리는 것이다. MLP로 예를 들면 퍼셉트론의 연결을 훈련중에 일정 확률로 일부분을 랜덤하게 연결을 끊어 학습을 더디게 만드는 것이다.  왜 더디게 만드는 지 이야기 전 논문 저자의 직관부터 이야기 하면 2014년도 Bishop은 이를 유성생식에 비유했다. 부모의 한쪽 유전자씩 받는 그 과정에서 유전의 혼합 능력을 떠올린 것이다. (그래서 50프로 확률로 연결을 끊어 절반만 살린다) 하지만 더 나은 직관으로 앙상블 효과로 보는 경우도 있다. 앙상블이란 간단하게 똑똑한 애 하나의 점수보다 덜 똑똑한 애 10명이 투표해 낸 결과의 점수가 높다는 것이다. 기존 앙상블은 여러 다른 ..

목차 열기" data-ke-type="html">HTML 삽입미리보기할 수 없는 소스처음이 중요새로운 인공지능을 구성하고 학습 시 맨 처음 파라미터(가중치와 편향)는 어떻게 설정해야 할까?가중치의 최종값이 음수일지 양수일지 모르는 상황이라 모든 가중치는 0으로 설정하면 모두가 잘 찾아갈 수 있을 것 같다.하지만 모든 가중치가 같은 값을 가지면 위 링크의 w1이 x1에 영향을 받고 w2는 x2에 영향을 받는 것 같이 w에 관련 없이 입력에 따라 가중치가 업데이트를 가지는 경우도 있지만, 층이 깊어질 때 w에 영향을 받는다면 아예 학습이 안되거나 모두가 같은 값으로 업데이트가 될 수 있다.  0에 가깝게모두가 0이되면 학습이 안되니 매우 가깝게 랜덤으로 만들면 되지 않을까? 해서 정규분포의 모양 또는 평균이..

안녕하세영, 로사입니다.홈베이킹을 좀 더 잘하고 싶은 마음으로 쓰게 된 글,베이킹하다 생기는 궁금증을 풀어보고자오늘도 한 가지의 의문점을 갖고 왔습니다.그럼 오늘도 스따뚜@ 베이킹을 할 때오일을 넣을 때도 있고,버터를 넣을 때도 있는데각각 어떨 때 넣는 건가요?1)  버터와 식물성 오일이 베이킹에서 하는 역할가장 큰 역할은 바로 폭신폭신한 식감을 주는 것입니다.보통 녹인버터와 식물성 오일이 서로 대체가 가능한데,두 재료의 맛의 차이를 찾으라면,버터를 넣으면 오일에 비해 좀 더 풍미가 있다 보시면 됩니다.오일은 그냥 폭신함만 주는 용도인 거죠. 2)  식물성 오일을 넣으라고 하면 식용오일 다 해당되나요?보통 올리브오일을 제외하곤 다 가능합니다.올리브오일은 특유의 향이 너무 강해우리가 생각하는 빵의 향이 올..

안녕하세영, 로사입니다.홈베이킹을 좀 더 잘하고 싶은 마음으로 쓰게 된 글,베이킹하다 생기는 궁금증을 풀어보고자오늘도 한 가지의 의문점을 갖고 왔습니다.그럼 오늘도 스따뚜@제빵을 하다 보면이스트가 항상 들어가던데이스트가 정확히 뭔가요??1)  이스트 사전정의알코올 발효가 일어날 때 다량의 이산화탄소를 발생시켜 빵을 부풀게 하는 작용을 한다.빵효모를 다량으로 만드는 데는 당밀액에 질소영양(암모니아나 요소)을 가하면서 접종하고,강렬하게 공기를 불어넣으면서 25 ℃에서 증식시킨다.[네이버 지식백과] 이스트 [yeast] (두산백과 두피디아, 두산백과) 제품화된 생이스트는 수분이 65~70%, 단백질이 40~45%그 외 탄수화물, 인지질, 무기질 등으로 구성되어 있고500g의 제품으로 판매되는 생이스트 안에는1..