[1] 소개

이 손글씨 사진은 인공지능 관련한 수업을 들을 때마다 첫 장에서 소개로 본 것 같은데, 대충 어떤 사람의 손글씨로 적힌 숫자를 이미지에서 인식하기 위해 학습을 해야 한다는 내용이었다.

---

패턴 인식 : 컴퓨터 알고리즘을 활용하여 데이터의 규칙성을 자동으로 찾아내고, 이 규칙성을 이용하여 데이터를 가공하는 과정

---

training set(훈련집합) $\rightarrow$ training / learing phase (훈련/학습 단계) $\rightarrow$ test set(시험집합)

• 훈련집합의 $N$개의 숫자들 $\{x_1, .., x_N\}$에 대해, 각 숫자의 카테고리는 표적벡터(target vector) $t$로 표현된다.
• 머신러닝 알고리즘의 결과물은 함수 $y(x)$로 표현되는데, 그 형태는 훈련 집합에 따라 달라진다.
• 시험집합은 새로운 숫자 이미지들의 정체를 알아내는 데 활용할 수 있다.

generalization (일반화) : 훈련 단계에서 사용되지 않았던 새로운 예시들을 올바르게 분류하는 능력

• 입력 벡터의 가변성이 크므로, 훈련 데이터는 모든 경우의 수를 커버할 수 없으며, 일반화가 중요하다.

pre-processessing / feature extraction (전처리/특징추출) : 훈련집합을 적절히 변환하여, 각 클래스 내에서의 가변성을 줄이는 과정

• 척도가 같아지면 패턴 인식이 용이해진다.
• 계산 과정의 속도를 높일 수 있다. $\rightarrow$ dimensionality reduction (차원감소)

---

기계학습의 종류

1. supervised learning(지도 학습)
   • classification(분류) : 각각의 입력 벹너를 제한된 카테코리 중 하나로 할당
   • regression(회귀) : 기대되는 출력값이 연속된 값일 경우
2. unsupervised learning(비지도 학습)
   • clustering
   • density enstimation
   • visualization
3. reinforcement learning(강화 학습)

---

강화학습

: 주어진 상황에서 보상을 최대화하기 위한 행동 찾기

• exploration (탐사) : 새로운 행동을 시도하여 얼마나 효과적인지 확인
• exploitation (이용) : 보상을 받는 것으로 확인된 행동 시행

credit assignment problem: 긍정적인 행동과 부정적인 행동의 마지막에 보상이 오기 때문에, 보상의 원인을 알아내기 어렵다. $\rightarrow$ 적절히 보상 분배. 여러 번 하다보면 긍정적인 행동에는 보상이 누적되겠지.