체인의정석

강연자 : 씨피랩스 이정혁 리더님AI 학습시 발생할 수 있는 프라이버시 이슈분류 & 특징AI 학습 : AI 학습은 학습 대상에게 입력을 주고 특정 문제에 대해서 풀게 해주는 과정신경망 : 각각의 입력 데이터와 가중치가 곱해진 형태로 활성함수에 들어가서 output으로 나오는 과정Deep Learning 구조가중치를 어떻게 적용하는지에 따라서 차이점이 적용된다.입력과 가중치에 따라서 출력이 달라진다.분류 문제 & 예측실제 정답과 도출한 값의 차이를 보면서 가중치 조정가중치들을 계산한 만큼 조정하는 과정 => 학습서버에서 개인데이터가 올라가다 보면은 서버가 탈취되었을 때 데이터에 대한 프라이버시 이슈 발생이런 문제를 해결하고자 여러 방법론이 나오게 된다. 그 중 하나가 연합학습연학학습은 학습을 개개인이 진행..

https://white-joy.tistory.com/9 머신러닝 = 추론 + 자료구조 + 알고리즘 이다. Confusion Matrix (혼동행렬, 오차행렬) 먼저 분류 모델을 평사하는 척도로 Confusion Matrix가 있다고 한다. 출처: 분류 모델 성능 평가 지표(Accuracy, Precision, Recall, F1 score 등) 분류 모델(classifier)을 평가할 때 주로 Confusion Matrix를 기반으로 Accuracy, Precision, Recall, F1 score를 측정한다. Confusion Matrix(혼동 행렬, 오차 행렬) 분류 모델(classifier)의 성능을 측정하는 데 자주 사용 white-joy.tistory.com N: Total number of..

1차 논리 추론의 경우 챗 지피티에게 질문하는 형식으로 학습하고 정리하기로 했다. 1차논리 추론 설명 1차 술어 논리 추론 (First-Order Logic Inference) 1차 술어 논리는 객체, 객체 간의 관계, 및 객체의 속성을 표현하는 데 사용되는 강력한 논리 체계입니다. FOL 추론은 주어진 정보(증거)를 바탕으로 새로운 정보를 도출하는 과정입니다. 모델 이론 (Model Theory) 모델 이론에서는 주어진 명제들이 참이 되는 모델(즉, 세계 혹은 상황)을 찾습니다. 이를 통해 새로운 명제의 참과 거짓을 판단할 수 있습니다. 예를 들어, '모든 사람은 죽을 것이다'라는 명제가 있을 때, 이 명제가 참인 모델은 모든 사람이 죽는 세계입니다. 따라서 '소크라테스는 죽을 것이다'라는 명제도 참입..

논문 같은걸 읽다보면 복잡한 기호들이 있다. 이런걸 읽으려면 어떻게 할지 고민하고 있었는데 인공지능 수업시간에 딱 첫 주문 로직부터 배우는 부분이 상황을 수식을 표현하는 것이였다. 먼저 기본 로직들의 의미를 살펴보도록 하겠다. 양화자 (Quantifiers): ∀ (전칭 양화자, Universal Quantifier): "모든"이라는 의미로, '∀x, P(x)'는 "모든 x에 대해 P(x)가 참이다"라는 의미입니다. ∃ (존재 양화자, Existential Quantifier): "어떤 것이 존재하여"라는 의미로, '∃x, P(x)'는 "어떤 x가 존재하여 P(x)가 참이다"라는 의미입니다. 명제 연산자 (Propositional Connectives): ∧ (논리곱, Conjunction): "그리고"..

오늘은 알파고에서 사용된 것 처럼 게임을 진행하면서 스스로 학습하는 알고리즘인 강화학습 알고리즘에 대한 수업을 듣고 정리해 보았다. 1. Two-ply game tree Two-ply game tree의 경우 2개의 플레이어가 있다고 생각하고 선택을 한다. 만약 순서대로 한번씩 선택을 하는 경우에는 내가 최선책을 선택하고 나면 다른 플레이어가 해당 시점에서의 최선책을 선택하게 된다. 이에 따라서 내 시점에서 최선의 선택이 아닌 상대가 상대입장에서 최선의 선택을 한 이후에 해당 시점에서의 최선의 선택을 하는것이 Two-ply 게임 트리이다. 여기서 MiniMax-search 를 사용하게 되는데 이는 내 입장 그리고 상대입장을 고려하여 상대방의 최적의 페이스를 고려하고 내 시점에서 최선이 아닌 차선 중 최선..

https://cs-ssupport.tistory.com/429 [AI] Local Search Local Search Algorithms 많은 "최적화 문제"에서는 Goal까지의 경로가 중요한게 아니라 Goal에 도달하는 그 자체가 중요하다 상태 공간 탐색의 경우 초기 상태 & 목표 상태가 주어지고 Action들의 Sequence에 cs-ssupport.tistory.com "오늘 수업 내용은 위의 블로그에서 너무 잘 나와 있기에 위의 블로그에서 설명을 많이 참고하였습니다. 해당 포스팅보다 더 자세한 내용이 궁금하시다면 위의 블로그를 보면 더 좋을것 같습니다." 1. Local Search의 특성 Local search를 살펴보면 매 순간마다 이전 순간보다 더 최적화 된 방향을 찾아간다는 특징이 있다...

휴리스틱 탐색 (발견적 탐색) Informed Search 현재 위치에서 목적까지 가는데 유용한 서치 휴리스틱이라고도 부른다. 휴리스틱 탐색의 예시로서 교수님께서는 딱 하나만 설명을 해주셨다. A* 에이스타 이다. 노드 확장의 순서가 주요 요지이다. 평가 함수를 가지고 제일 좋은 평가를 통해 갈 경로를 선택 : 만약 현재 상태가 g와 h 사이에 존재한다면 g와 h의 비용을 각각 계산해서 더 좋은 경로를 선택하게 된다. 이러한 f를 계속 반복해서 진행을 시켜주는 것이 Best first Seach 즉 에이스타 알고리즘이다. 이러한 f라는 함수를 지정해주기 때문에 인위적을 지정해주는 휴리스틱 함수가 포인트가 된다. 그외에도 그리디 탐색법도 설명해 주셨다. Greedy best-first search - 현재..

평가 기준 1. Completness (완전성) : 출발에서 목표까지 항상 가는가 2. Optimal(최적) : 최적이냐 항상 최소 비용을 보장하는가? 3. Time Complexity : 시간 복잡도, 노드의 개수가 몇개나 생성되는가? 4. Space Complexity : 탐색 시 사용하는 메모리 (몇개의 노드나 메모리에 들고 있는가?) 탐색 방법 BFS : 너비 우선 탐색, 선입선출인 큐를 써서 구현한다. =>> IDS 너비 우선이지만 제한을 두고 찾는 것 - BFS의 평가 척도 , - 완전성 - 노드의 수가 유한하기 때문에 완전하다. 하나의 너비에 무한개가 있는 것은 너무 극단적이므로 예외 - 최적 - 최적이다. 무조건 하나의 너비에 대해서 다 찾기 때문에 최적을 찾는다. DFS는 깊이가 우선이므..