본문 바로가기

분류 전체보기

(116)

[인공지능] 4. Beyond Classical Search - 2 2. Local Search In Continuous Space : 지금까지는 현재 내가 어떤 state에 있는지, action을 취하면 어떻게 되는지, 이산적, 그리고 이 게임의 규칙이 뭔지 아는 경우였다! 즉 fully observable, deterministic, discrete, and known environment! discrete와 continuous한 환경의 구분은 시간이 다뤄지는 방법과 agent의 action과 percept에 따라 이루어진다. 지금까지 설명했던 알고리즘으로는 continuous state와 action space를 다룰 수가 없다. (단, first-choice hill climbing과 simulated annealing 제외) 왜냐면 연속적인 경우 branchin..

[인공지능] 4. Beyond Classical Search - 1 1. Local Search algorithm : Local Search algoritms은 single current node와 일반적으로 그 노드의 neighbors node로 움직이는 operation을 사용한다. 전형적으로 search에 의해 따라오는 path는 유지되지 않는다. -> 그래서 little memory만 사용 (보통 constant amount) -> 아주 크거나 infinite(continuous)한 state space에서 납득할만한 solution을 찾을 수 있다. (systematic algorithms은 적합하지 않걸랑) -> 또한 local search algorithm은 optimization problem(objective funtion에 따라 가장 best state..

[인공지능] 3. Solving problems by searching - 3 5. Heuristic Search * Best-First Search : Best-first search는 일반적인 TreeSearch나 GraphSearch algorithm의 instance이다. 이 때 node는 evaluation function인 f(n)에 기초해 expansion된다. Evaluation function은 cost estimate와 같은 것으로 이해할 수 있으며, 그래서 가장 작은 evaluation을 가진 node가 가장 먼저 expand된다. 즉, Best-First Search는 대부분의 TreeSearch나 GraphSearch 알고리즘에서 쓰이고, node를 확장해 나갈 때 어떠한 evaluation function을 기준으로 한다. 이 때 이 Evaluation f..

[인공지능] 3. Solving problems by searching - 2 4. Blind Search 1) Breadth-First Search (너비우선 탐색) - FIFO(First in first out) : root node를 처음으로 expand하고, 모든 successors(자손 노드)를 다음으로 expand한 다음에 또 다음 successors...... - Performance of Breadth-First Search : complete 하지만 optimal 하지는 않다. (* complete : 무조건 goal을 찾을 수 있음) 만약 가장 얕은 goal node가 depth d에 있다면, 모든 더 얕은 node들을 탐색한 다음에 찾을 수 있을 것. 그러나 그 가장 얕은 goal node가 항상 optimal하다고는 볼 수 없음. (단, 모든 cost가 같을 ..

[인공지능] 3. Solving problems by searching - 1 1. Problem-Solving Agents 1) Problem Formulation - Problem은 initial state, actions, transition model, goal test, path cost로 정의된다. - Problem formulation은 goal이 주어진 상황에서, 무슨 action 과 states를 고려할 것인지 결정하는 과정을 말한다. - Problem의 solution은 initial state가 goal state로 가게 만드는 action들의 sequence이다. - goal에 다다르기 위한 sequence of actions을 찾아나가는 과정이 search이다. - solution이 찾아지면 action이 수행되도록 추천된다. 이것이 바로 execution이..

[인공지능] 1.1 What is AI? &2.3 The Nature of Environments 1. AI(인공지능) 이란? : 사람의 Intelligent를 모방하는 기계를 만들어보자! - Thinking Humanly : 사람답게 생각하는게 뭔데? - Thinking Rationally : 논리학과 관련됨(3단논법) - Acting Humanly : Turing test - Acting Rationally : 합리적으로 행동하는 것과 합리적으로 생각하는 것은 다름 (행동한다고 생각하는 건 아님) EX) 네비게이션 즉, AI = Science(생각) & Engineering(행동) (괄호안은 task environment for an automated taxi) 2. The Nature Of Environments 1) Specifying the task environment : agent가 있을..

[이산수학] Chapter 4. Algorithms 1. Introduction - 알고리즘은 다음과 같은 특징들을 가지고 있다. 1) input 2) output 3) precision : 정확하게 서술되어야 한다 4) determinism : 수행의결과는 unique하다. 또한 input과 선행된 step에 따라 결정된다. 5) finiteness : 알고리즘은 끝나야 한다. (유한개의 instruction이 수행된 이후엔 멈춰야 함) 6) correctness : 알고리즘에 의해 도출된 output은 맞아야 한다. 7) generality : 모든 input에 대해 적용되어야 한다. 2. Examples of Algorithms - 큰 수 찾기 알고리즘, 문자열 찾기 알고리즘, 삽입 정렬 알고리즘 - Randomized Algorithms (무작위 ..

[이산수학] Chapter 3. Relations 1. Relations - 주어진 집합 X, Y에서 Cartesian product X x Y 를 하면 그 결과는 x∈X, y∈Y인 (x, y)의 모든 ordered paris 이다. X x Y = {(x,y) | x∈X and y∈Y} -Binary relation (이진 관계) : 두 집합의 원소 사이의 관계 집합 X 에서 집합 Y 로의 binary relation R은, Cartesian product X x Y 의 subset(부분집합)이다. Ex) X = { 1, 2, 3 } and Y = { a, b } R = {(1, a), (1, b), (2, b), (3, a)} 는 X와 Y 사이의 relation이다. - Domain : y∈Y인 y에 대하여 (x, y)가 relation R에 속할 때..

[Node.js] 1. Node.js란? + 작업환경 설정하기 Node.js란 자바스크립트 엔진에 기반해 만들어진 서버 사이드 플랫폼이다! * Node 자체는 웹서버가 아님. HTTP 서버를 직접 작성해야 함. 그저 JS 런타임일 뿐! 내가 리액트할때도 babel과 같은 몇몇 기능을 사용할 때 알게 모르게 node.js를 사용한거라고 한다. 또, npm이라는 package manager 역시 node.js의 것 Node.js의 특징 1. 비동기 I/O 처리, 이벤트위주 2. 빠른 속도 3. 단일 쓰레드, 뛰어난 확장성 4. 버퍼링이 없음 5. 라이센스 굉장히 많은 회사와 프로젝트에서 Node.js를 사용하고 있다. 내가 해야 할 것은 express 공부인데, 이 express는 node.js를 기반으로 한 프레임워크이기 때문에, 우선 node.js에 대해 간략히 공..

[git] git clone, pull 1. 레포지토리 fork 2. git clone 3. 브랜치 생성

이전 1 ··· 6 7 8 9 10 11 12 다음

티스토리툴바