본문 바로가기

비지도학습3

[IITP] 강화학습 연구 및 융합 기술 동향 - 출처: [IITP] 강화학습 연구 및 융합 기술 동향 - 김민석 상명대학교 교수 IV. 결론 지금까지 살펴본 비지도 강화학습은 학습의 여러 가지 측면에서 예측 가능성, 보상함수 의 확장성, 시간적 효율성, 학습 안정성 등의 새로운 도전과제들이 여전히 남아 있다. 비록 기술 확장 및 성능 최적화 측면에서 강화학습은 여전히 보상함수 설계, 환경 상태 정보의 제약, 시뮬레이션 환경과 실제 환경의 구조적 차이, 확장 이전성 문제, 적용 분야의 다양성 부재 등의 이슈들이 아직 해결해야 하는 문제로 남아 있지만, 다양한 측면 에서 지속적인 연구 및 개발이 진행되고 있으므로 앞으로 더욱 기대가 높은 연구 분야이 다. 또한, 여러 기술 간의 융합 연계성을 적용하여 학습 기반의 제어기술을 세분화한다면 단계별로 다양한.. 2021. 3. 31.
지도 학습 vs. 비지도 학습 (Supervised Machine Learning vs. Unsupervised Machine Learning) 1. 지도 학습(Supervised Machine Learning) - 기계가 데이터를 어떻게 해석하는지 파악할 수 있도록 정답을 전달하며 학습시키는 방법- 데이터에 태그나 해설을 달아 기계가 답을 찾을 수 있게 하므로 Input과 Output이 확실- 많은 동물 사진을 반복하여 보여주면서 어떤 동물인지 가르쳐주고 학습시키는 방법- 필요한 결과에 따라 분류(Classification)와 회귀(Regression) 두 가지로 구분- 분류(Classification)주어진 데이터를 카테고리로 분류하는 것이진 분류(Binary Classification): 어떤 메일이 스팸인지 아닌지 구분다중 분류(Multi-label Classification): 언어를 입력했을 때 한국어, 영어, 중국어 등 다양한 옵션에.. 2020. 6. 24.
[LGERI] 딥러닝 기반의 인공지능 자율주행 기술 경쟁의 핵심을 바꾼다 - 이승훈 *** 출처: [LGERI] 딥러닝 기반의 인공지능 자율주행 기술 경쟁의 핵심을 바꾼다 1. 딥러닝 기반의 자율주행 혁신의 시작 ■ 실리콘밸리의 Startup인 comma.ai - “사람이 운전하면 자동차가 주행하는 방법을 스스로 깨우친다”. - 실제 comma.ai는 지난 2016년 3월 이러한 방법으로 4주만에 자율 주행 학습이 가능한 인공지능을 만들어 자동차에 탑재했으며 10시간 동안의 학습으로 기본적인 자율주행 기능을 구현해 냈다. 고가의 특화 센서를 사용하지 않고 총 $1000 이하의 범용 센서만으로 딥러닝 기반 자율주행 기술을 개발하는 것을 목표로 하고 있다. - 단 4명의 개발 자가 4주만에 딥러닝을 활용해 구현해 낸 것이다. ■ 딥러닝을 적용해 기존 자율주행 개발 패러다임을 혁신한 것 - .. 2017. 11. 27.