[방통대][방송대][인공지능] 몬테카를로 트리 탐색의 개념과 탐색 과정을 구성하는 단계, k-평균 군집화, 신경회로망 및 심층학습(딥러닝), 로젠블랫이 제안한 단층 퍼셉트론의 개념과 한계점, 오차 역전파(BP) 모델의 개념을 설명하고, BP 학습 과정에서 발생하는 경사 소멸 문제, 합성곱 신경망(CNN)의 개념을 간략히 설명하고, CNN을 구성하는 층에 대

소개글

방통대 방송대 과제물 자료입니다.

과제점수 만점 자료만 공유합니다.

목차

1. 몬테카를로 트리 탐색의 개념과 탐색 과정을 구성하는 단계들에 대하여 A4용지 1매 정도로 정리하여 설명하라. (20점)

2. k-평균 군집화에 대한 다음 질문에 답하라. (20점)
1) k-평균 군집화에 대하여 간략히 설명하라. (A4용지 1매 이내)
2) k=2이며, 평균 벡터의 초깃값은 (2, 8)과 (8, 1)일 때, 2차원 특징공간상에서 다음과 같은 입력 표본들을 대상을 k-평균 군집화를 수행하라. (각 반복 단계에서 표본벡터의 변화를 구하라.)

3. 신경회로망 및 심층학습(딥러닝)에 대한 다음 질문에 답하라. (가)~(다) 각각 A4용지 1매 정도로 정리하여 작성한다. (30점)
1) 로젠블랫이 제안한 단층 퍼셉트론의 개념과 한계점을 설명하라.
2) 오차 역전파(BP) 모델의 개념을 설명하고, BP 학습 과정에서 발생하는 경사 소멸 문제에 대하여 설명하라.
3) 합성곱 신경망(CNN)의 개념을 간략히 설명하고, CNN을 구성하는 층에 대해 설명하라.

본문내용

몬테카를로 트리 탐색은 경험적 탐색 알고리즘의 하나로서 무작위 탐색을 통해 최적의 답을 찾아가는 알고리즘이라 할 수 있다. 쉽게 풀리지 않는 방정식의 해를 구하기 위해 하나하나 숫자를 대입해 본다거나, 원의 넓이를 구하기 위해 무작위로 수 많은 점을 찍고 몇 개가 원의 면적 안에 존재하는지 세어 보는 등의 방법을 예시로 들 수 있다. 즉, 어떤 특정한 공식 혹은 방정식을 모르거나 혹은 존재하지 않는 상황에서 최선의 결과를 산출해 내기 위해 사용하는 알고리즘이라 할 수 있으며 확률적으로 문제의 해결에 가까워지는 답을 찾아가는 알고리즘이라 할 수 있다.
몬테카를로 트리 탐색 알고리즘을 구성하는 네 단계는 선택, 확장, 시뮬레이션, 역전파가 있다. 선택은 선택할 수 있는 여러 개의 트리 중 하나를 선택하는 과정이다. 만약 선택된 트리에서 답을 찾거나 게임을 종료시키지 못했다면 확장을 통해 자식 노드를 생성하여 선택한다. 시뮬레이션 단계에서는 생성된 자식 노드를 통해 게임의 결과를 도출할 때까지 진행한다. 역전파 단계에서는 선택된 자식 노드에 시뮬레이션 결과를 반영하여 통계를 업데이트하게 된다.
이처럼 몬테카를로 트리 탐색 알고리즘을 적용하는 일에 있어서 자식 노드 중의 하나를 탐색의 목적에 맞게 효율적으로 선택하기 위한 전략이 있다면 탐색에 소요되는 시간과 자원을 줄일 수 있을 것이다. 그러한 전략의 일환으로 크게 두 가지 개념이 있다. 하나는 탐사이다. 탐사는 어떤 특정한 기준을 통해 미래 가능성을 측정하여 향후 우수한 결과를 가져올 것으로 예상되는 노드를 선택하는 것이다. 다른 하나는 활용인데, 활용은 현재까지 탐색된 결과들 중에서 가장 뛰어난 노드를 선택하는 것이다.

참고 자료

없음