[인공지능] 학습과 신경회로망

목차
1) 기계적 학습
2) 예제에 의한 학습
3) 개념 학습
4) 퍼셉트론

---

1-1) 기계적 학습
새로운 지식을 저장을 통해, 이후의 똑같은 상황에서는 먼저 행한 계산을 반복하지 않는다.

기계적 학습이란, 단순히 저장된 결과를 검색하여 사용하는 학습이다.  

기계 스스로 대량의 데이터로부터 지식이나 패턴을 찾아내어 학습하고 예측을 수행 하는 것이다.

1-2) 기계적 학습의 매커니즘
기계적 학습은 문제와 해를 기억하는 방법을 사용한다. input,output 대량의 데이터를 넣어준다. input값을 넣으면 컴퓨터가 알아서 프로그래밍 해서 output값을 출력하도록 하는 것이다 .

기계적학습 매커니즘

- Machine Learning의 예 (y = 2x)
학습 데이터 : (1,2) , (2,4) , (3, 6) , (4, 8)
컴퓨터에 y = 2x의 함수를 프로그래밍하여 넣지 않아도, 위의 학습 데이터를 학습하여 x = 5, x=6 의 결과 값을 도출해낼 수 있다.

2) 예제에 의한 학습
학습 프로그램은 학습부분과 행동부분으로 구성된다. 예제에 의한 학습 프로그램은 특수한 예들로부터 행동부분의 성능을 향상시키기 위해 일반적인 규칙을 도출한다 .

3) 개념 학습

개념 학습이란, 입력을 분류하여 그가 속하는 한 유형의 이름을 주는 과정이다.  

훈련된 예시로들로부터 적합한 결과를 찾아 이름을 주는 과정이다. 작업 영역에 관련된 일련의 특성들을 색출한 후, 점수함수에 의해 유형을 정의한다.

4. 퍼셉트론

퍼셉트론이란, 우리 사람의 뇌를 흉내내는 인공신경망이다.  

층, 노드와 가중치, 학습 , 활성함수라는 개념이 등장한다. 여러개의 입력층을 모다 하나의 출력을 낸다. 입력이 출력에 미치는 중요성을 수치로 표현하고 이를 weight라고 한다. weightsum 이 임계값보다 작으면 0, 크면 1로 표현한다. 입력층은 d+1개의 노드이고 출력층은1개의 노드이다.