|
생물학적 뉴런의 정보처리적 특성
다입력 1출력
흥분성과 억제성의 시냅스
결합
시간적, 공간적 연결강도
펄스 발생
아날로그 정보를 펄스 빈도로 전송
비선형성
절대 불응기, 상대 불응기
시간지연
순응, 적응, 피로
기타
McCulloch와
|
|
|
PINNs는 물리적 지식을 신경망 구조에 통합함으로써 전통적인 신경망 모델보다 물리 법칙을 잘 따르는 예측을 할 수 있다. 이는 다음과 같은 방식으로 이루어진다:
1. 물리 방정식의 통합: 학습 과정에서 물리 방정식을 손실 함수에 포함시켜
|
|
|
1. AI 시대에도 틀리는 일기예보
현대 기술이 비약적으로 발전했음에도 불구하고, 우리는 여전히 종종 틀린 일기예보를 접한다. 기상 시스템의 복잡성과 예측의 불확실성 때문이라고 한다. 최근 구글 딥마인드의 AI 모델 GraphCast가 이러한 문제
|
|
|
핵심 개념
1. 미분 방정식의 통합: PINN은 미분 방정식을 이용하여 신경망의 손실 함수를 구성한다. 예를 들어, 열전달 문제에서 사용하는 포아송 방정식(Poisson Equation)을 신경망이 학습하도록 만든다.
2. 손실 함수: 손실 함수는 경계조건 데이
|
|
|
수치해석의 개요
수치해석은 복잡한 수학적 문제를 컴퓨터를 사용하여 근사적으로 해결하는 방법을 의미한다. 이는 이론적으로는 해를 구할 수 있지만, 실제로는 계산이 어려운 문제들을 다루기 위해 발전된 분야이다. 수치해석은 물리학,
|
|
메뉴펼치기
