|
전이
2) 기계 학습
3) 기계와 유기체
4) 시스템의 정보제어
5) AI 스피커
6) 대화형 인공지능
(1) 인식
(2) 의사결정
(3) 계획/행동
7) AI와 컴퓨터언어학을 통한 상호작용
8) 커뮤니케이션의 이용
5. 나의 의견
Ⅲ. 결론
참고문헌
|
|
|
신경망 모형에 관한 연구, 한양대학교
정선영(2007), 진화신경망 모형을 이용한 회귀분석, 성균관대학교
황선호(2003), 다층 퍼셉트론을 적용한 태아발육제한증 판별 모형, 한양대학교
한승기(2004), 동적 신경 코딩을 위한 신경망 모형 개발과 응
|
|
|
위한 결정 초평면의 특성
3.2 서포트 벡터
4. 선형분리 가능한 SVM문제해결
4.1 개요
4.2 조건부 최대화 문제 정의
4.3 조건부 최소화 문제로 변환
4.4 라그랑제 함수 도입
4.5 Wolfe의 듀얼문제 변환
4.6 라그랑제 함수 정리
5. 선형분리 불가
|
|
|
위한 기계학습. 정보과학회지, 25(3), 57-63.
나승훈, 이예하. (2015). 심층학습에 기반한 자연언어처리. 정보과학회지, 33(10), 28-39.
지인영, 김희동. (2020). 자연언어처리를 위한 언어모델 분석. 담화·인지언어학회 학술대회 발표논문집, (), 96-108.
|
|
|
학습하기 위한 데이터를 일일이 제공하여야 했던 기계학습의 한계를 넘어서기 위해 인간의 신경망을 본뜬 딥러닝 기술이 등장하고 발전한 것처럼, 그때에는 또 다른 기술이 등장하고 발전해 있으리라 생각한다.
4. 출처 및 참고문헌
김소라 (2
|
|
 |
위한 데이터마이닝.
1. 데이터마이닝의 개념과 특징
2. 데이터마이닝 프로세스
3. 연관규칙분석
4. 로지스틱 회귀분석(logistic regression)
9강 CRM을 위한 데이터마이닝2
1. 군집분석
2. 의사결정나무
3. 인공신경망
4. 모형의 평가
10강. CRM
|
|
메뉴펼치기
