전공 공부/인공지능(Artificial Intelligence) (20) 썸네일형 리스트형 [인공지능] Propositional Logic - 1 Agents that Know Things 지식을 가진 에이전트(Agents that know things)에 대한 내용이다. 1. 에이전트는 지각(perception), 학습(learning) , 언어(language)를 통해 지식을 획득한다. Knowledge of the effects of actions (transition model) : 에이전트는 행동의 결과에 대한 지식을 가지고 있다. 이를 "전이 모델"(transition model)이라고 부르며, 특정 행동이 주어진 상태에서 다른 상태로 어떻게 전환되는지에 대한 정보를 포함한다. Knowledge of how the world affects sensors (sensor model) : 에이전트는 센서가 어떻게 외부 세계에 의해 영향을 받는.. [인공지능] Local Search - 3 Local Beam Search Local Beam Search는 로컬 검색 알고리즘의 변형 중 하나로, 여러 검색 경로를 동시에 탐색하여 지역 최적해에 갇히는 문제를 극복하려한다. Basic idea: 𝐾 copies of a local search algorithm, initialized randomly : 알고리즘은 𝐾개의 로컬 검색 알고리즘 복사본을 동시에 무작위로 초기화되어 실행( initialized randomly )하여 다양한 시작점에서 탐색을 시작한다. 각 반복마다 다음 단계를 수행한다 : Generate ALL successors from 𝐾 current states : 현재 𝐾개의 상태( 𝐾 current states )에서 가능한 모든 후속 상태( ALL successors )를 .. [인공지능] Local Search - 2 Hill-climbing on the 8-Queens Problem 8-Queens 문제는 8x8 체스판에 8개의 퀸을 서로 공격할 수 없는 위치에 배치하는 문제이다. Hill-climbing 알고리즘은 이 문제의 해결책을 찾기 위해 사용될 수 있다. No sideways moves: sideways move를 허용하지 않는 경우를 의미한다. 즉, 현재 상태보다 더 나은 상태로만 움직인다. Succeeds w/ prob. 0.14 : 이 방법으로 문제를 성공적으로 해결할 확률은 0.14이다. Average number of moves per trial : 시도당 평균 움직임 횟수는 성공할 때 4번, 막힐 때 3번입니다. Expected total number of moves needed : 필요한 총 움.. [인공지능] Local Search - 1 Local Search Algorithm 많은 최적화 문제에서, 경로(Path)는 중요하지 않으며, Goal state가 Solution이 된다. Goal state인 상태에서 그 State Space는 "완전한(Complete)" 구성 집합으로 이루어져있다. 이를 알았으니, 최적화 문제에서 Goal state를 솔루션으로 찾기 위해 => 제약 조건을 만족하는 구성( configuration satisfying constraints )을 찾거나 (ex : n-queens 문제) 최적 구성(optimal configuration)을 찾아야한다. ( ex: traveling salesperson 문제) 이러한 경우 반복적인 개선 알고리즘(iterative improvement Algorithm)을 사용할 수.. 이전 1 2 3 다음
