구조에서 해를 정확하게 찾아내고, 일반적인 순환이 존재하는 그래프에서는 근사해를 찾는데 현재도 보편적으로 쓰인다. 그럼에도 불구하고 이런 인과관계를 표현하는 것은 데이터를 정확하게 표현하기 위해서 매우 중요하지만, 표현하는 변수가 많아지면 인과관계가 종속변수가 다시 독립변수의 원인이 되는 순환관계가 만들어지는 경우가 있어 모델을 온전히 표현할 수 없다는 한계점이 있다.
Progress Bar 81%
가우시안 분포를 포함한 많은 확률분포함수가 지수함수로 표현되고, 미분이 용이해 효율적인 모델의 학습이 가능하기 때문이다. 예를 들어 물리학에서 소개돼 최근 딥러닝에서 많은 관심을 받고 있는 제한적 볼즈만 기계(Restricted Boltzmann M…
구조에서 해를 정확하게 찾아내고, 일반적인 순환이 존재하는 그래프에서는 근사해를 찾는데 현재도 보편적으로 쓰인다. 그럼에도 불구하고 이런 인과관계를 표현하는 것은 데이터를 정확하게 표현하기 위해서 매우 중요하지만, 표현하는 변수가 많아지면 인과관계가 종속변수가 다시 독…
주데아 펄(Judea Pearl)은 베이지안 네트워크에서 주어진 변수(X)의 이웃 변수들의 한계확률이 주어졌을 때 베이지안 법칙으로 도출한 조건부 확률 식을 이용해 변수(X)의 한계확률을 구하는 방식으로 추론 문제를 풀 수 있는 알고리즘을 제안했다. 여기서 계산된 한계…
이 문제를 해결하기 위해 많은 머신러닝 기법들은 확률 변수의 관계를 그래프로 표현하고 있다. 즉, 확률 변수를 그래프의 노드로 표현하고 직접적으로 관련 있는 변수들 사이에 에지를 설정해 관계를 표현한다. 서로 직접적으로 관련이 있는 확률…
일반적으로 많은 확률 변수가 서로 긴밀하게 영향을 주고받는 복잡한 모델을 정확하게 학습하는 것은 매우 어렵다. 예를 들면 가로, 세로 각각 10개의 간격을 표현할 수 있는 2차원 흑백 이미지가 있을 때, 100개의 확률변수(각 픽셀)이 모두 직접적으로 영향을 준다고 하…
머신러닝의 발전을 견인한 것은 빅데이터를 저장, 처리할 수 있는 컴퓨터 하드웨어의 발전과 더불어 복잡한 데이터 및 관계의 표현을 가능하게 한 새로운 머신러닝 모델의 등장이다. 그럼에도 불구하고 이런 모델을 효율적인 방법으로 정확하게 학습할 수 있는 머신러닝 알고리즘 없…
애플의 ‘시리’나 ‘구글 나우’ 서비스는 스마트폰을 통해 일상생활에서 개인 비서의 역할을 충실히 수행하고 있으며, 최근 컴퓨터 비전의 발전으로 얼굴인식 등과 같은 특정분야에서 컴퓨터 알고리즘이 사람의 인식 수준을 넘어선다는 보고가 있다. 미국의 퀴즈쇼에서 우승했던 IB…
출력할 랭킹이 없습니다.
댓글목록
등록된 댓글이 없습니다.