인공무능의 사용자 기여

IT 위키
기여 검색펼치기접기
⧼contribs-top⧽
⧼contribs-date⧽

(최신 | 오래됨) ( | ) (20 | 50 | 100 | 250 | 500) 보기

2025년 9월 25일 (목)

  • 07:342025년 9월 25일 (목) 07:34 차이 역사 +2,259‎ 새글 기울기 폭주 ‎ 새 문서: 기울기 폭주(영어: Exploding gradient)는 인공 신경망 학습 과정에서 역전파(backpropagation)를 통해 전달되는 기울기(gradient)가 지수적으로 커지면서 학습이 불안정해지는 현상이다. 이 문제는 특히 순환 신경망(RNN)이나 깊은 신경망에서 흔히 발생한다. ==개요== 신경망은 손실 함수(loss function)를 최소화하기 위해 경사하강법(gradient descent)을 사용한다. 이 과정에서 기울기가... 최신 태그: 시각 편집
  • 07:322025년 9월 25일 (목) 07:32 차이 역사 0‎ LSTM ‎편집 요약 없음 최신 태그: 시각 편집
  • 07:312025년 9월 25일 (목) 07:31 차이 역사 +42‎ LSTM ‎편집 요약 없음 태그: 시각 편집
  • 07:312025년 9월 25일 (목) 07:31 차이 역사 +2,352‎ LSTM ‎편집 요약 없음
  • 07:292025년 9월 25일 (목) 07:29 차이 역사 +1,652‎ RNN ‎편집 요약 없음 최신
  • 07:272025년 9월 25일 (목) 07:27 차이 역사 +1,778‎ 새글 합성곱 ‎ 새 문서: 합성곱(合成곱, 영어: Convolution)은 두 함수의 형태를 겹쳐 적분(또는 합)하여 새로운 함수를 만드는 연산으로, 신호 처리, 영상 처리, 확률론, 미분방정식 등 수학과 공학 전반에 걸쳐 널리 사용된다. 특히 딥러닝에서는 합성곱 신경망(CNN)의 핵심 연산으로 잘 알려져 있다. ==정의== 연속 함수 f, g에 대한 합성곱은 다음과 같이 정의된다. *(f * g)(t) = ∫ f(τ) g(t - τ) dτ 이... 최신 태그: 시각 편집
  • 07:172025년 9월 25일 (목) 07:17 차이 역사 +3,148‎ 새글 야코비안 행렬 ‎ 새 문서: 야코비안 행렬(영어: Jacobian matrix)은 다변수 벡터값 함수의 국소적 선형 근사를 나타내는 행렬로, 함수의 도함수 정보를 모아놓은 것이다. 미분학과 벡터 해석학에서 중요한 역할을 하며, 특히 변수 변환, 최적화, 비선형 방정식 해석, 기계학습 등에서 널리 사용된다. == 이름 == 한편, 독일 수학자 카를 구스타프 야코비(Carl Gustav Jacob Jacobi)의 이름에서 유래하였기 때... 최신 태그: 시각 편집
  • 07:082025년 9월 25일 (목) 07:08 차이 역사 +1,777‎ Mixture of Experts (인공지능) ‎편집 요약 없음
  • 07:052025년 9월 25일 (목) 07:05 차이 역사 +87‎ Mixture of Experts (인공지능) ‎편집 요약 없음 태그: 시각 편집
  • 07:042025년 9월 25일 (목) 07:04 차이 역사 +85‎ 새글 파일:혼합 전문가 모델 예시.png ‎편집 요약 없음 최신
  • 07:012025년 9월 25일 (목) 07:01 차이 역사 +2,824‎ 새글 Mixture of Experts (인공지능) ‎ 새 문서: Mixture of Experts(줄여서 MoE)는 여러 개의 전문가 모델(expert model)과 게이트(gating) 또는 라우터(router) 메커니즘을 결합하여 입력에 따라 적절한 전문가를 선택하거나 가중합하여 출력을 내는 기계학습 기법이다. 주로 딥러닝에서 모델의 효율적 확장과 성능 향상을 위해 사용된다. ==개요== Mixture of Experts는 입력 공간을 분할하여 각 부분에 대해 특화된 모델이 학습되도록... 태그: 시각 편집
  • 06:572025년 9월 25일 (목) 06:57 차이 역사 +3,431‎ 새글 텐서 (인공지능) ‎ 새 문서: 텐서(英: Tensor)는 스칼라, 벡터, 행렬 개념을 고차원으로 확장한 수학적 구조로서, 인공지능(머신러닝/딥러닝) 분야에서는 다차원 배열(multi-dimensional array)로 주로 사용된다. ==정의 및 개념== 텐서는 순서(order) 또는 차원(rank)을 가지며, *0차 텐서는 스칼라(scalar) *1차 텐서는 벡터(vector) *2차 텐서는 행렬(matrix) *3차 이상 텐서는 다차원 배열 형태로 일반화된다. 수학적으... 최신 태그: 시각 편집
  • 06:532025년 9월 25일 (목) 06:53 차이 역사 −21‎ 고유값 문제 ‎ →‎같이 보기 최신
  • 06:522025년 9월 25일 (목) 06:52 차이 역사 +2,318‎ 새글 고유값 문제 ‎ 새 문서: 내적 공간(內積空間, 영어: Inner product space)은 벡터 공간에 내적이 정의되어 있는 구조로, 벡터 사이의 길이와 각도를 정의할 수 있게 해준다. 이는 유클리드 공간을 일반화한 개념으로, 해석학, 기하학, 물리학 등 다양한 분야에서 중요한 역할을 한다. ==정의== 체(주로 실수체 또는 복소수체) 위의 벡터 공간 V가 주어졌을 때, 내적 공간은 다음 조건을 만족하는 함수... 태그: 시각 편집
  • 06:502025년 9월 25일 (목) 06:50 차이 역사 +2,318‎ 새글 내적 공간 ‎ 새 문서: 내적 공간(內積空間, 영어: Inner product space)은 벡터 공간에 내적이 정의되어 있는 구조로, 벡터 사이의 길이와 각도를 정의할 수 있게 해준다. 이는 유클리드 공간을 일반화한 개념으로, 해석학, 기하학, 물리학 등 다양한 분야에서 중요한 역할을 한다. ==정의== 체(주로 실수체 또는 복소수체) 위의 벡터 공간 V가 주어졌을 때, 내적 공간은 다음 조건을 만족하는 함수... 최신 태그: 시각 편집
  • 06:502025년 9월 25일 (목) 06:50 차이 역사 +2,672‎ 새글 벡터 공간 ‎ 새 문서: 벡터 공간(영어: Vector space)은 벡터라 불리는 원소들의 집합으로, 벡터 덧셈과 스칼라 곱이 정의되어 있으며 특정 공리들을 만족하는 대수적 구조이다. 선형대수학에서 핵심적인 개념으로, 다양한 수학적 구조와 응용 분야에서 기본적인 틀을 제공한다. ==정의== 체(field) F 위의 벡터 공간 V는 다음 조건을 만족하는 집합과 두 연산(벡터 덧셈, 스칼라 곱)으로 정의된다.... 태그: 시각 편집
  • 06:482025년 9월 25일 (목) 06:48 차이 역사 +2,523‎ 새글 행렬 ‎ 새 문서: 행렬(行列, 영어: Matrix)은 수나 기호를 직사각형 모양으로 배열한 표로, 선형대수학의 기본적인 대상 중 하나이다. 주로 선형 변환을 나타내거나 연립방정식을 다루는 데 사용된다. ==개요== 행렬은 가로 줄을 '''행''', 세로 줄을 '''열'''이라 하며, 특정한 크기(차원)의 수들을 사각형 형태로 배열한 것이다. 행렬의 크기는 행의 수와 열의 수로 표시한다. 예를 들어, 3행... 최신 태그: 시각 편집
  • 06:442025년 9월 25일 (목) 06:44 차이 역사 +18‎ 선형대수학 ‎편집 요약 없음 최신 태그: 시각 편집
  • 06:442025년 9월 25일 (목) 06:44 차이 역사 +2,673‎ 새글 선형대수학 ‎ 새 문서: 선형대수학(線形代數學, 영어: Linear algebra)은 벡터, 행렬, 선형사상 등 선형적인 구조와 그 성질을 다루는 수학의 한 분야이다. 현대 수학과 공학, 물리학, 통계학, 컴퓨터 과학 등 다양한 학문 분야에서 기초적이면서도 핵심적인 역할을 한다. == 개요 == 선형대수학은 주로 선형 방정식의 해법, 벡터 공간의 구조, 행렬 연산, 고유값과 고유벡터, 내적과 직교성 등의...
  • 06:422025년 9월 25일 (목) 06:42 차이 역사 +271‎ 행렬 곱 ‎편집 요약 없음 최신
  • 06:382025년 9월 25일 (목) 06:38 차이 역사 +2,668‎ 새글 행렬 계산 ‎ 새 문서: {{제목|행렬 계산}} ==개요== '''행렬 계산'''(matrix calculation)은 선형대수학에서 행렬과 벡터를 대상으로 하는 다양한 연산을 말한다. 기본적인 연산으로는 덧셈, 뺄셈, 곱셈, 전치, 역행렬 등이 있으며, 응용 수학과 공학, 물리학, 컴퓨터 과학 전반에서 중요한 도구로 사용된다. ==주요 연산== ;행렬 덧셈과 뺄셈 :같은 크기의 행렬끼리 대응하는 원소를 더하거나 빼는 연... 최신 태그: 시각 편집
  • 05:452025년 9월 25일 (목) 05:45 차이 역사 +2,085‎ 어텐션 메커니즘 ‎편집 요약 없음 최신

2025년 9월 24일 (수)

2025년 9월 22일 (월)

  • 07:232025년 9월 22일 (월) 07:23 차이 역사 +3,542‎ 새글 가중치 감소 ‎ 새 문서: 가중치 감소(Weight Decay)는 머신러닝 및 딥러닝에서 과적합(overfitting)을 방지하기 위한 정규화(regularization) 기법이다. 학습 과정에서 모델의 가중치(weight)가 지나치게 커지는 것을 억제하여, 일반화(generalization) 능력을 향상시키는 역할을 한다. ==개요== 가중치 감소는 손실 함수(loss function)에 '''가중치의 크기(weight magnitudes)''' 에 대한 '''페널티(penalty)''' 를 추가함으로... 태그: 시각 편집

2025년 9월 20일 (토)

  • 00:562025년 9월 20일 (토) 00:56 차이 역사 +31‎ 새글 체인룰 ‎ 연쇄 법칙 문서로 넘겨주기 최신 태그: 새 넘겨주기 시각 편집
  • 00:472025년 9월 20일 (토) 00:47 차이 역사 +1,767‎ 새글 닫힌 꼴 도함수 ‎ 새 문서: 닫힌 꼴 도함수(영어: closed-form derivative)는 어떤 함수의 도함수가 사칙연산, 거듭제곱, 지수·로그·삼각함수 등과 같은 기본 함수들의 유한한 조합으로 표현될 수 있는 경우를 말한다. 즉, 미분 결과가 무한급수, 적분 기호, 특수 함수와 같이 닫힌 꼴(closed form)로 보기 어려운 표현을 필요로 하지 않을 때 사용되는 개념이다. ==정의== 닫힌 꼴(closed form)은 수학에서 잘... 최신 태그: 시각 편집

2025년 9월 19일 (금)

  • 06:492025년 9월 19일 (금) 06:49 차이 역사 −24‎ 전치 행렬 ‎편집 요약 없음 최신
  • 06:482025년 9월 19일 (금) 06:48 차이 역사 +2,376‎ 새글 전치 행렬 ‎ 새 문서: 전치 행렬(轉置行列, transpose matrix)은 주어진 행렬의 행(row)과 열(column)을 서로 바꾼 행렬이다. 주어진 행렬 A의 전치(transpose)는 보통 A<sup>⊤</sup>로 표기된다. ==정의== 행렬 A가 m×n 크기일 때, 전치 행렬 A<sup>⊤</sup>는 n×m 크기를 가지며 각 성분은 다음과 같이 정의된다: *(A<sup>⊤</sup>)<sub>ij</sub> = A<sub>ji</sub> 예: A = { 1 2 3 4 5 6 } → A<sup>⊤</sup> = { 1 4 2 5 3... 태그: 시각 편집
  • 06:412025년 9월 19일 (금) 06:41 차이 역사 +85‎ 새글 Identity function ‎ 항등 함수 문서로 넘겨주기 최신 태그: 새 넘겨주기 시각 편집
  • 06:402025년 9월 19일 (금) 06:40 차이 역사 +3,714‎ 새글 항등 함수 ‎ 새 문서: 항등 함수(恒等函數, identity function 혹은 identity map)는 정의역(domain)과 공역(codomain)이 같은 집합에서 모든 원소를 자기 자신에게 대응시키는 함수이다. 즉 임의의 x에 대해 id_X(x) = x 를 만족하는 함수이다. ==정의== 집합 X에 대하여, 항등 함수 id_X: X → X 는 다음을 만족한다: *정의역과 공역이 같다. *모든 x ∈ X에 대해 id_X(x) = x. ==성질== 항등 함수는 다음과 같은 중요한... 최신 태그: 시각 편집

2025년 9월 18일 (목)

  • 09:542025년 9월 18일 (목) 09:54 차이 역사 +2,546‎ 새글 어텐션 (인공지능) ‎ 새 문서: 어텐션(Attention, 注意力機構)은 인공지능, 특히 딥러닝 기반의 자연어 처리(NLP)와 컴퓨터 비전 분야에서 중요한 정보를 강조하고 덜 중요한 정보를 줄이는 방식으로, 입력 데이터의 구성 요소들 간 관계를 가중치로 표현하여 처리하는 메커니즘이다. 인간의 주의(attention)처럼 특정 부분에 더 집중하여 효율적인 학습과 추론을 가능하게 한다. ==개요== 어텐션은 시퀀스... 최신
  • 09:542025년 9월 18일 (목) 09:54 차이 역사 −2,504‎ 어탠션 (인공지능) ‎ 어텐션 (인공지능) 문서로 넘겨주기 최신 태그: 새 넘겨주기
  • 09:542025년 9월 18일 (목) 09:54 차이 역사 0‎ 어탠션 (인공지능) ‎편집 요약 없음 태그: 시각 편집
  • 09:522025년 9월 18일 (목) 09:52 차이 역사 +3,671‎ 새글 GLUE 벤치마크 ‎ 새 문서: GLUE 벤치마크(GLUE, General Language Understanding Evaluation)는 다양한 자연어 이해(NLU) 과제들을 모은 평가 기준으로, 여러 모델을 비교, 분석하기 위해 고안되었다. <ref>“GLUE: A Multi-Task Benchmark and Analysis Platform for Natural Language Understanding”, Wang et al., 2018, https://arxiv.org/abs/1804.07461</ref> ==정의== GLUE는 여러 개의 서로 다른 NLU 과제(task)들을 포함하며, 하나의 모델이 여러 과제에... 최신 태그: 시각 편집
  • 09:512025년 9월 18일 (목) 09:51 차이 역사 +2,080‎ 새글 QQP (인공지능) ‎ 새 문서: QQP(Quora Question Pairs)는 Quora 웹사이트에서 수집된 질문 쌍(question pairs) 데이터셋으로, 두 개의 질문이 의미적으로 중복(duplicates)인지 아닌지를 판정하는 과제이다. ==정의== QQP는 자연어 처리에서 패러프레이즈 식별(paraphrase identification) 과 유사도 판단(semantic equivalence) 과제에 사용되는 데이터셋이다. 주어진 두 질문이 의미상 같은지를 바이너리 레이블(duplicated / not du... 최신 태그: 시각 편집
  • 09:462025년 9월 18일 (목) 09:46 차이 역사 +5,822‎ 새글 비전 트랜스포머 ‎ 새 문서: 비전 트랜스포머(Vision Transformer, 줄여서 ViT)는 이미지 처리를 위해 고안된 딥러닝 구조로, 전통적인 합성곱 신경망(CNN) 대신 트랜스포머(self-attention) 아키텍처를 활용하여 이미지를 “패치(patch)” 단위로 처리한다. <ref>“An Image is Worth 16×16 Words: Transformers for Image Recognition at Scale”, arXiv:2010.11929, https://arxiv.org/abs/2010.11929</ref> ==정의== 비전 트랜스포머는 이미지를 일정... 태그: 시각 편집
  • 05:402025년 9월 18일 (목) 05:40 차이 역사 +24‎ 도함수 ‎편집 요약 없음 최신 태그: 시각 편집
  • 05:392025년 9월 18일 (목) 05:39 차이 역사 +193‎ 새글 분류:미적분학 ‎ 새 문서: 미적분학(calculus) 분류는 미분, 적분, 도함수, 편미분, 전미분 등 미적분학과 관련된 개념, 정리, 응용 분야를 다루는 문서들을 포함하는 분류이다. 최신 태그: 시각 편집: 전환됨
  • 05:382025년 9월 18일 (목) 05:38 차이 역사 +2,225‎ 새글 미적분학 ‎ 새 문서: 미적분학(微積分學, 영어: calculus)은 함수의 극한을 바탕으로 변화율을 다루는 미분(differentiation)과 면적·누적량을 다루는 적분(integration)을 연구하는 수학의 한 분야이다. 자연 현상과 공학적 문제를 정량적으로 분석하는 데 널리 활용되며, 현대 수학의 기초적인 학문으로 자리 잡고 있다. ==개요== 미적분학은 17세기 아이작 뉴턴과 고트프리트 라이프니츠에 의해 체... 최신 태그: 시각 편집
  • 05:362025년 9월 18일 (목) 05:36 차이 역사 +1,857‎ 새글 전미분 ‎ 새 문서: 전미분(全微分, 영어: total derivative)은 다변수 함수의 모든 변수에 대한 미소 변화를 고려하여 함수 전체의 변화율을 나타내는 개념이다. 편미분이 한 변수만 변화시켜 계산하는 미분이라면, 전미분은 모든 독립 변수들의 변화를 동시에 반영한다. ==개요== 전미분은 다변수 함수 f(x₁, x₂, …, xₙ)의 입력값이 작은 변화(Δx₁, Δx₂, …, Δxₙ)를 가질 때, 함수 f의... 최신 태그: 시각 편집

(최신 | 오래됨) ( | ) (20 | 50 | 100 | 250 | 500) 보기

원본 주소 "https://itwiki.kr/w/특수:기여/인공무능"