Connecting HW and SW

인공지능 기술이 최근에 급격히 발전하면서인공지능이 드디어 우리 삶의 가장자리에서 안쪽으로 이동하는 모양새다.우리 삶 뿐만 아니라 산업 현장에도 인공지능 기술의 적용 사례가 점점 증가하는 추세이지만,아직까지는 머신러닝 단계에 머무르는 것 같아 해외에서는 인공지능이 어떻게 활용되고 있는지를 조사해봤다. BMWAI 기술 제공업체: Accenture, Thoughtworks적용된 AI 기술: 머신러닝을 통한 차량 관리 예측, 생성적 AI를 활용한 의사결정 지원, 품질 관리를 위한 자동 이미지 인식.FordAI 기술 제공업체: Latitude AI적용된 AI 기술: 블루크루즈 시스템에서 사용되는 머신러닝과 로봇 공학을 통한 핸즈프리 자동 주행 시스템.PepsiCoAI 기술 제공업체: KoiReader Techno..

[개요]배터리 용량에 대한 충전 전압과 전류, 방전 전압과 전류 측정치를 이용하여테스트 전압과 전류값에 대한 용량을 추정하는 문제 [Python Codes] import numpy as np import pandas as pd from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.neural_network import MLPRegressor from sklearn.metrics import mean_squared_error, r2_score import matplotlib.pyplot as plt # 데이터 생성..

제조업 현장에서 사용가능한 인공지능 알고리즘생산공정 최적화, 예지 보전, 품질 관리, 안전 관리 등 각 목적별로 활용가능한 인공지능 알고리즘 예시를 소개함. 사용 목적적용 알고리즘생산공정 최적화[ZA008] Decision Tree[ZA009] Random Forest, RNN[ZA010] Random Forest[ZA014] LSTM AutoEncoder[ZA019] Random Forest Regression, Genetic Algorithm[ZA020] Decision Tree, XGBoost, LightGBM[ZA025] PyCaret[ZA026] Genetic Algorithm[ZA028] Genetic Algorithm[ZA034] XGBoost, LightBGBM, Decision Tree,..

보호되어 있는 글입니다.

[합성곱 계층과 MaxPoolin 계층을 이용하는 예시 코드]import tensorflow as tffrom tensorflow.keras import datasets, layers, models# 데이터 로드 및 전처리 (예: CIFAR-10)(x_train, y_train), (x_test, y_test) = datasets.cifar10.load_data()x_train, x_test = x_train / 255.0, x_test / 255.0# CNN 모델 정의model = models.Sequential([ layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3)), layers.MaxPooling2D((2, 2)),..

활성화 함수(Activation Function)는 인공지능, 특히 신경망에서 입력 신호를 비선형 변환하여 다음 계층으로 전달하는 역할을 한다. 이를 통해 인공지능 모델이 복잡한 비선형 관계를 학습할 수 있게 한다.활성화 함수는 신경망의 성능과 학습 능력에 큰 영향을 미치므로, 각각의 활성화 함수의 특징을 이해할 필요가 있겠다. [활성화 함수 종류]계단 함수(Step Function)시그모이드 함수(Sigmoid Function)하이퍼볼릭 탄젠트 함수(Tanh Function)ReLU(Rectified Linear Unit) 함수Leaky Relu 함수소프트 맥스 함수(Softmax Function)GELU(Gaussian Error Linear Unit) 함수 [계단 함수(Step Function)] ..

주로 이미지 분류 작업에 활용되는 CNN(Convolutional Neural Network)의 모델을 정의하는 파이썬 코드에 대해 알아보고자 한다. [예시 코드]model = models.Sequential([ layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3)), layers.MaxPooling2D((2, 2)), layers.Conv2D(64, (3, 3), activation='relu'), layers.MaxPooling2D((2, 2)), layers.Conv2D(64, (3, 3), activation='relu'), layers.Flatten(), layers.Dense(64, ac..

텐서플로우/케라스에서 제공하는 최적화 함수인 SGD(Stocastic Gradient Descent, 확률적 경사 하강법)의 입력 파라미터와 출력 파라미터의 종류 및 특징에 대해 알아보고자 한다. [입력 파라미터] learning_rate (기본값: 0.01)학습률모델이 얼마나 빠르게 또는 느리게 최적화할지를 결정함.일반적으로 0.001 ~ 0.1 범위의 값을 사용하며, 학습 속도와 정확도에 중요한 영향을 미침.momentum (기본값: 0.0)모멘텀 값으로, 이전 단계의 그래디언트를 일정 비율로 누적하여 최적화 방향을 부드럽게 만듦.학습의 진동을 줄이고 더 빠른 수렴에 기여함.0 ~ 1 범위의 값을 설정하며, 일반적으로 0.9가 자주 사용됨.nesterov (기본값: False)Nesterov 모멘텀을..

보호되어 있는 글입니다.

[개요]최적화 알고리즘은 주어진 함수(예를 들어 손실함수 등)의 최소값을 찾기 위해 사용됨. [주요 분류]경사 기반 최적화(Gradient-Based Optimization)기울기 없는 최적화(Gradient-Free Optimization)2차 최적화 [경사 기반 최적화]손실함수를 최소화하기 위해 함수의 기울기(gradient)를 계산하여 파라미터들을 점진적으로 업데이트하는 방식배치 경사 하강법(Batch Gradient Descent, BGD)전체 데이터셋을 사용하여 손실함수의 기울기 계산경사 방향이 정확하여 학습이 안정적이나,데이터셋이 클 경우 계산 비용이 매우 높아짐.데이터셋이 작고 메모리가 충분한 경우에 사용확률적 경사 하강법(Stocastic Gradient Descent, SGD)한 번의 업..