1. 다음 최대최소 탐색트리의 A에서 다음 수로 D를 선택하게 되는 노드 L의 평가함수 값 (ㄱ)과 그 때의 A의 가치 (ㄴ)? (리프의 값들은 그 노드에 대한 가치를 예측한 평가함수 값이다.)
1) ㄱ 5, ㄴ 8
2) ㄱ 5, ㄴ 13
3) ㄱ 9, ㄴ 13
4) ㄱ 10, ㄴ 8
정답: 4
해설: 최대최소 탐색트리에서 노드 A는 자식 노드들의 최솟값을 선택한다. 노드 B의 자식 노드들 중 최대값은 9, 노드 C의 자식 노드들 중 최대값은 12, 노드 D의 자식 노드들 중 최대값은 13이다. 따라서, A는 이들 중 최솟값을 선택하게 되어 A의 가치는 8이 된다. 노드 L의 값을 추정하기 위해 최대최소 알고리즘을 적용하면, L의 값은 10이다. 따라서 정답은 4번이다.
2. α-β 가지치기에 대한 설명으로 올바른 것은?
① 최대최소 탐색트리에서 탐색이 불필요한 가지를 잘라 낸다.
② 최대최소 탐색트리를 확률적으로 탐색한다.
③ 리프 노드의 평가함수를 계산하는 역할을 한다.
④ 트리를 최대한 깊이 탐색하여 가치를 평가한다.
정답: 1
해설: α-β 가지치기는 최대최소 탐색트리에서 불필요한 가지를 잘라내어 탐색 효율성을 높이는 알고리즘이다. 이는 가능한 선택 중 최적의 값을 찾기 위해 불필요한 탐색 경로를 줄여준다. 2번 선택지는 탐색이 확률적이지 않으며, 3번 선택지는 평가함수 계산과 관련이 없고, 4번 선택지는 트리를 최대한 깊이 탐색하는 것이 아니라 가지치기를 통해 불필요한 부분을 탐색하지 않는 것이다.
3. 몬테카를로 트리 탐색의 네 단계를 순서대로 나열한 것은?
① 선택 → 시뮬레이션 → 확장 → 역전파
② 선택 → 확장 → 시뮬레이션 → 역전파
③ 선택 → 역전파 → 시뮬레이션 → 확장
④ 선택 → 역전파 → 확장 → 시뮬레이션
정답: 2
풀이: 몬테카를로 트리 탐색(MCTS)은 다음 네 단계를 거친다. 첫째, 선택 단계에서는 루트부터 시작해 특정 기준에 따라 노드를 선택한다. 둘째, 확장 단계에서는 선택된 노드의 자식 노드를 생성하여 트리를 확장한다. 셋째, 시뮬레이션 단계에서는 새로 확장된 노드부터 무작위로 게임을 진행한다. 넷째, 역전파 단계에서는 시뮬레이션 결과를 통해 노드의 통계 정보를 업데이트한다.
4. 몬테카를로 트리 탐색의 선택 전략은 탐사와 활용의 균형을 이루도록 설계한다. 이때 활용은 무엇을 의미하는가?
① 덜 유망한 것을 선택할 수 있게 한다.
② 시뮬레이션 결과에 따라 통계 정보를 업데이트한다.
③ 선택된 노드로부터 게임이 끝날 때까지 무작위로 수를 선택하여 게임을 진행한다.
④ 지금까지의 결과 중 가장 우수한 결과를 이끌어 내는 수를 선택한다.
정답: 4
풀이: 몬테카를로 트리 탐색(MCTS)의 선택 전략에서 활용은 지금까지의 결과 중 가장 우수한 결과를 이끌어내는 수를 선택하는 것을 의미한다. 이는 탐사와 활용의 균형을 통해 탐사는 새로운 가능성을 모색하고, 활용은 현재까지 가장 좋은 결과를 기반으로 선택을 최적화한다.
5. 다음 중 지식기반 시스템의 주요 특징을 설명한 것은?
① 알고리즘 형태로 지식이 프로그램에 구현된다.
② 현장 전문가는 지식 공학자를 위해 추론기관을 설계한다.
③ 문제 분야의 지식과 추론기관이 분리되어 있다.
④ 일반 사용자가 직접 추론기관을 제공한다.
정답: 3
풀이: 지식기반 시스템의 주요 특징은 문제 분야의 지식(knowledge base)과 추론기관(inference engine)이 분리되어 있다는 것이다. 이는 시스템의 유연성과 유지 보수성을 높이며, 지식과 추론의 역할을 명확히 분리하여 시스템의 설계와 확장을 용이하게 한다.
6. 승용차를 표현하기 위한 속성을 (ako, 승차인원, 배기량, 트렁크 용량)으로 표현하였을 때 특성상속이 이루어지게 하는 속성은?
① ako
② 승차인원
③ 배기량
④ 트렁크 용량
정답: 1
풀이: "ako"는 "a kind of"의 약어로, 객체 지향 프로그래밍이나 지식 표현에서 상속 관계를 나타내는 데 사용된다. 즉, "ako" 속성은 승용차가 더 상위 개념인 차량의 특성을 상속받도록 하는 역할을 한다. "승차인원", "배기량", "트렁크 용량"은 승용차의 개별 속성들이며 상속과는 직접적인 관련이 없다.
7. ∼p∨q가 참인 명제이다. 다음 중 올바른 것은?
① p가 참일 경우 q도 참이다.
② p가 거짓일 경우 q는 참이 될 수 없다.
③ q와 관계없이 p는 참이다.
④ q가 거짓일 경우 p는 참이다.
정답: 1
풀이: \(\sim p \vee q\)가 참이라는 것은 \(p\)가 참일 때 \(q\)가 참임을 의미한다. 이는 \(\sim p\)가 거짓이 되므로, \(q\)가 참이어야 명제가 참이 된다. 따라서, ①이 올바르다. ②와 ④는 잘못된 논리이고, ③은 \(\sim p \vee q\)와 관계없다.
8. 다음 중 연언 표준형에 해당되는 논리식은? (단, p, q, r, s는 기본명제이다.)
① (p∨q)∧∼(∼r∨s)
② (p∧∼q)∨(∼p∧r)
③ (~p∨q)∧(r∨s)
④ ∼{(p∨q)∧(∼q∨r)}
정답: 3
풀이: 연언 표준형(Conjunctive Normal Form, CNF)은 AND 연산자로 연결된 절(clause)로 이루어져 있으며, 각 절은 OR 연산자로 연결된 리터럴(literal)로 구성된다. ③ \((\sim p \vee q) \wedge (r \vee s)\)는 두 개의 절이 OR 연산자로 연결된 리터럴로 구성되어 있으므로 연언 표준형에 해당한다.
9. 다음 술어논리식에서 (ㄱ) 부모절의 쌍과 (ㄴ) 도출절이 올바른 것은? 단, P, Q, R은 술어, x와 y는 객체 변수, A와 B는 객체 상수이다.
① (ㄱ) P(A)와 P(x)∨Q(x), (ㄴ) Q(A)
② (ㄱ) P(A)∨Q(x), A와 ∼P(B)∨Q(B, y), (ㄴ) Q(B, A)
③ (ㄱ) ∼P(A)와 P(A), (ㄴ) true
④ (ㄱ) ∼P(x)∨Q(x)와 ∼Q(A)∨R(B), (ㄴ) ∼P(A)∨R(B)
정답: 4
풀이: (ㄱ) 부모절 \(\sim P(x) \vee Q(x)\)와 \(\sim Q(A) \vee R(B)\)를 결합하여 (ㄴ) 도출절 \(\sim P(A) \vee R(B)\)를 도출할 수 있다. 이는 해석적 방법으로, 중간에 공통된 \(Q\)를 제거하여 결론을 도출하는 과정이다. ①, ②, ③은 올바른 도출절을 제공하지 않는다.
10. 다음 중 퍼지집합에 대한 설명으로 올바른 것은?
① 각 요소의 소속값은 0 또는 1이다.
② 드모르간의 법칙이 성립한다.
③ 퍼지집합 속한 모든 요소의 소속함수의 합은 1이다.
④ 두 퍼지집합의 합집합은 각 원소의 소속함수 값의 최솟값으로 정의된다.
정답: 2
풀이: 퍼지집합에서는 각 요소의 소속값이 [0, 1] 사이의 값으로 나타내어진다. 드모르간의 법칙은 퍼지집합에서도 성립한다. 그러나 소속함수의 합이 1인 것은 퍼지집합에 적용되지 않으며, 합집합은 각 원소의 소속함수 값의 최댓값으로 정의된다.
11. 다음 중 퍼지논리 연산자를 적절히 정의한 것은?
① a→b = a−b
② a∧b = a+b
③ a∨b = max(a, b)
④ ∼a = max(1, a)
정답: 3
풀이: 퍼지논리에서 OR 연산자는 일반적으로 \(\max(a, b)\)로 정의된다. AND 연산자는 \(\min(a, b)\)로 정의되고, 부정 연산자는 \(1 - a\)로 정의된다. \(a \rightarrow b\)는 보통 \(\max(1-a, b)\)로 정의된다.
12. 다음 중 퍼지규칙 및 퍼지추론, 퍼지제어에 대한 설명으로 올바른 것은?
① 규칙은 조건부가 정확히 만족할 경우에만 결론을 낸다.
② 규칙의 조건부 및 결론부에 언어적 변수를 포함할 수 있다.
③ 추론의 결과는 참(1) 또는 거짓(0) 중 하나이다.
④ 퍼지 제어기의 출력을 퍼지화하여 제어 대상을 제어한다.
정답: 2
풀이: 퍼지규칙은 조건부와 결론부에 언어적 변수를 포함할 수 있다. 퍼지추론은 부분적으로 만족되는 경우에도 결론을 내릴 수 있으며, 결과는 0과 1 사이의 값을 가질 수 있다. 퍼지 제어기의 출력은 퍼지화된 값을 디퍼지화하여 제어 대상을 제어한다.
13. 다음 중 컴퓨터 시각 시스템의 처리 단계를 올바르게 정의한 것은?
① 전처리: 영상 내의 처리 대상을 적절한 데이터로 표현한다.
② 특징화: 취득한 영상을 처리하기 좋은 형태로 가공한다.
③ 영상분할: 영상을 몇 개의 의미 있는 영역으로 나눈다.
④ 영상 포획: 잡음을 제거하여 깨끗한 영상을 얻는다.
정답: 3
풀이: 영상분할은 영상을 몇 개의 의미 있는 영역으로 나누는 과정이다. 전처리는 영상을 분석하기 좋게 기본적인 처리 과정을 거치는 것이고, 특징화는 분할된 영역의 특징을 추출하는 단계이다. 영상 포획은 영상을 얻는 과정을 의미하며, 잡음을 제거하는 것은 전처리 단계에 포함될 수 있다.
14. 다음 중 아날로그 신호를 디지털 신호로 변환하여 디지털 영상을 입력하기 위해 거치는 처리에 해당되는 것은?
① 표본화와 양자화
② 정규화
③ 논리화 및 확립
④ 평활화
정답: 1
풀이: 아날로그 신호를 디지털 신호로 변환하는 과정은 표본화와 양자화를 포함한다. 표본화는 신호를 일정한 간격으로 샘플링하는 과정이고, 양자화는 샘플링된 값을 일정한 수준으로 변환하는 과정이다. 정규화는 값을 일정한 범위로 조정하는 과정이며, 평활화는 데이터를 부드럽게 만드는 과정이다.
15. 다음 중 중간값 필터에 대한 설명으로 올바른 것은?
① 경계진 크기 영역에 속한 픽셀들의 평균을 구한다.
② 점잡음(salt-and-pepper noise)의 제거에 효과적이다.
③ 2차 미분을 구하여 처리한다.
④ 영상 내의 급격한 변화가 발생하는 경계를 검출한다.
정답: 2
풀이: 중간값 필터는 주어진 영역 내의 픽셀 값 중 중간값을 선택하여 점잡음을 제거하는 데 효과적이다. 평균을 구하는 것은 평균 필터의 역할이며, 2차 미분은 라플라시안 필터와 관련이 있다. 급격한 변화 검출은 소벨 연산자 등의 에지 검출기가 담당한다.
16. 다음 중 소벨 연산자로 구할 수 있는 것은?
① 에지의 강도와 방향
② 경계선과 영 내의 챔퍼 집합들의 중간값
③ 영상의 이진화를 위한 임계치
④ 픽셀 사이의 연결성
정답: 1
풀이: 소벨 연산자는 에지 검출기로서, 이미지 내의 에지 강도와 방향을 계산한다. 소벨 연산자는 주로 에지 검출을 위해 사용되며, 경계선이나 임계치, 연결성과는 관련이 없다.
17. 다음 중 주어진 표본 공간을 직교변환을 통해 특징요소 사이의 상관관계를 최소화하는 공간으로 변환한 후 식별에 도움이 되는 성분변수로 표현함으로써 차원 축소를 할 수 있는 기술을 일컫는 것은?
① 라플라스 연산자
② 패턴의 정규화
③ 주성분 분석(PCA)
④ 이진화
정답: 3
풀이: 주성분 분석(PCA)은 표본 공간을 직교변환하여 각 성분 간의 상관관계를 최소화하는 방법으로, 데이터의 차원을 축소하는 데 사용된다. 라플라스 연산자는 에지 검출에 사용되고, 패턴의 정규화는 데이터의 스케일을 조정하며, 이진화는 데이터를 0과 1로 변환하는 과정이다.
18. 다음 중 군집을 구성하는 표본들의 통계적 분포를 고려한 거리 측정자는?
① 유클리드 거리
② 해밍 거리
③ 도시블록 거리
④ 마할라노비스 거리
정답: 4
풀이: 마할라노비스 거리는 데이터의 통계적 분포를 고려한 거리 측정 방법으로, 특히 공분산 행렬을 사용하여 각 데이터 포인트의 차이를 측정한다. 유클리드 거리는 직선 거리를 측정하며, 해밍 거리는 이진 데이터 간의 차이를 측정하고, 도시블록 거리는 맨해튼 거리라고도 불리며 그리드 기반의 거리를 측정한다.
19. 다음 중 학습표본이 관찰될 가능성이 최대가 될 수 있는 확률 밀도함수의 매개변수를 추정하는 방식을 나타내는 것은?
① k-평균이웃
② 쿨롱공간
③ 평활화
④ 최대가능도 추정(MLE)
정답: 4
풀이: 최대가능도 추정(Maximum Likelihood Estimation, MLE)은 주어진 데이터를 가장 잘 설명하는 확률 밀도 함수의 매개변수를 추정하는 방법이다. k-평균이웃은 군집화 알고리즘이고, 쿨롱공간과 평활화는 해당되지 않는다.
20. 학습표본 집합에서 미지의 패턴과 가장 가까운 10개의 표본을 구했을 때 3개의 표본이 클래스 A에, 5개의 표본이 클래스 B에, 2개의 표본이 클래스 C에 분포하였다. 근접이웃(k=10)에서 이 패턴이 어느 클래스에 속하는 것으로는 판정하는가?
① A
② B
③ C
④ D
정답: 2
풀이: 근접이웃 알고리즘에서 \(k\)개의 가장 가까운 표본 중 다수가 속하는 클래스를 선택한다. 주어진 문제에서는 10개의 근접 이웃 중 5개의 표본이 클래스 B에 속하므로, 이 패턴은 클래스 B에 속하는 것으로 판정한다.
21. 다음 중 자율학습에 대한 설명으로 올바른 것은?
① 입력 값만 학습 데이터로 제공되며, 입력에 대한 출력 값은 제공되지 않는다.
② 입력에 대한 시스템의 출력을 기대하는 출력과 같아지도록 시스템을 변화시킨다.
③ 입력의 행동에 따른 보상이 최대화되도록 학습을 진행한다.
④ 학습 데이터는 (입력, 출력) 쌍의 형태이다.
정답: 1
풀이: 자율학습(Unsupervised Learning)은 입력 값만 학습 데이터로 제공되며, 입력에 대한 출력 값은 제공되지 않는다. 이는 데이터의 구조나 패턴을 발견하는 데 중점을 둔다. 지도학습(Supervised Learning)은 입력과 출력의 쌍이 제공되며, 강화학습(Reinforcement Learning)은 보상을 최대화하는 방향으로 학습이 진행된다.
22. 거짓 양성이 의미하는 것은?
① 실제는 참인데 거짓으로 판단하는 오류
② 실제는 거짓인데 참으로 판단하는 오류
③ 학습 데이터가 과다하여 학습이 진행되지 않는 오류
④ 거짓인 상황을 정확히 판단할 수 있는 참 결과
정답: 2
풀이: 거짓 양성(False Positive)은 실제는 거짓인데 참으로 판단하는 오류를 의미한다. 이는 예측 모델이 실제로는 부재한 조건을 있다고 잘못 판단하는 경우이다. 반대로, 실제는 참인데 거짓으로 판단하는 오류는 거짓 음성(False Negative)이다.
23. 결정트리 학습에 대한 설명으로 올바른 것은?
① 불순도가 낮아지는 방향으로 노드를 분할한다.
② 불순도는 0 또는 1이다.
③ 불순도가 큰 값을 갖는 노드는 답변노드가 된다.
④ 엔트로피나 지니계수 등이 불순도 계산에 사용된다.
정답: 4
풀이: 결정트리 학습에서는 엔트로피(Entropy)나 지니계수(Gini Index)와 같은 불순도 척도가 노드 분할에 사용된다. 불순도는 노드 내의 데이터가 얼마나 혼합되어 있는지를 나타내며, 낮아지는 방향으로 노드를 분할한다. 불순도는 0에서 1 사이의 값을 가지며, 불순도가 낮아질수록 데이터가 한쪽으로 치우치게 된다.
24. 다음 중 독립변수와 종속변수 사이의 상관관계를 선형함수로 모델링하는 것을 일컫는 것은?
① 선형회귀
② 군집화
③ 결정트리 학습
④ 주성분 분석
정답: 1
풀이: 선형회귀(Linear Regression)는 독립변수와 종속변수 사이의 상관관계를 선형함수로 모델링하는 기법이다. 이는 데이터를 통해 직선 관계를 추정하여 예측 모델을 만든다. 군집화(Clustering)는 데이터 포인트를 그룹으로 묶는 방법이고, 결정트리 학습(Decision Tree Learning)은 트리 구조를 사용하여 예측을 수행하며, 주성분 분석(PCA)은 차원 축소 기법이다.
25. 선형회귀에서 비용함수를 \( C \)로 정의하였다. 선형가설의 계수를 경사하강법으로 학습할 때 계수를 변화시키는 방법은? ( \( \nabla C \)는 비용함수의 미분을 나타내며, 학습률은 작은 크기의 양수이다.)
① \( C \)에 학습률을 곱한 값을 계수에서 뺀다.
② \( C \)에 학습률을 곱한 값을 계수에 더한다.
③ \( \nabla C \)에 학습률을 곱한 값을 계수에서 뺀다.
④ \( \nabla C \)에 학습률을 곱한 값을 계수에 더한다.
정답: 3
풀이: 경사하강법(Gradient Descent)은 비용함수 \( C \)를 최소화하기 위해 비용함수의 기울기(미분값) \( \nabla C \)를 이용하여 계수를 업데이트한다. 학습률을 \( \alpha \)라 할 때, 계수는 \( \theta \)에서 \( \alpha \nabla C \)를 뺀 값으로 업데이트된다. 즉, \( \theta \leftarrow \theta - \alpha \nabla C \). 따라서 정답은 \( \nabla C \)에 학습률을 곱한 값을 계수에서 빼는 3번이다.
26. 다음 중 로지스틱 회귀를 이용하여 학습할 수 있는 것은?
① 독립변수와 종속변수 사이의 관계를 2차 함수로 나타낸다.
② 독립변수에 따라 군집화를 한다.
③ 일련의 행동에 따른 보상이 최대로 되도록 학습을 한다.
④ 독립변수의 값에 따라 종속변수가 0 또는 1이라는 값을 낼 수 있는 가설을 학습한다.
정답: ④
해설: 로지스틱 회귀는 종속변수가 이진형(binary)일 때, 즉 결과가 0 또는 1로 나타나는 경우에 적합하다. 로지스틱 회귀의 목표는 독립변수들의 선형 조합을 통해 종속변수가 특정 클래스에 속할 확률을 예측하는 것이다. 이 방법은 독립변수의 값에 따라 종속변수가 0 또는 1이라는 값을 낼 수 있는 가설을 학습한다. 따라서 정답은 ④번이다. 다른 선택지들은 각각 2차 함수(①), 군집화(②), 보상 극대화 학습(③)과 관련된 설명으로, 로지스틱 회귀와는 관련이 없다.
27. 다음 중 \( k \)-평균 군집화에 대한 설명으로 올바른 것은?
① 자율학습 방식으로 학습한다.
② 강화학습 방식으로 학습한다.
③ 하나의 학습 표본은 \( k \)개의 데이터로 구성된다.
④ 각각의 학습 표본은 (입력 벡터, 출력)의 쌍으로 구성된다.
정답:1
해설:
\(k\)-평균 군집화는 자율학습(unsupervised learning) 방식의 알고리즘이다. 이 알고리즘은 주어진 데이터 세트를 \(k\)개의 군집으로 나누어, 각 군집의 중심(centroid)과 데이터 포인트들 간의 거리를 최소화하는 방식으로 동작한다. 학습 표본은 레이블이 없으며, 데이터의 내재된 구조를 찾기 위해 사용된다. 따라서 정답은 ①번이다. 강화학습(②)은 보상 기반 학습, ③과 ④는 \(k\)-평균 군집화와 관련이 없는 설명이다.
28. 다음 중 신경회로망의 특성과 거리가 먼 것은?
① 하나의 뉴런은 다른 뉴런과 방대한 연결을 유지한다.
② 뉴런은 매우 다양한 처리 능력을 갖는 다용도 처리기이다.
③ 정보는 신경연접의 연결가중치 벡터를 통해 저장된다.
④ 일부 뉴런에 고장이 발생해도 전체 시스템의 성능이 급격하게 저하되지 않는 결함내성을 갖는다.
정답:2
해설: 신경회로망에서 뉴런은 단순한 연산 단위로, 각 뉴런은 다른 뉴런들과 방대한 연결을 유지하여 네트워크를 형성한다(선지 1). 정보는 이 연결의 가중치 벡터를 통해 저장되며(선지 3), 일부 뉴런에 고장이 발생해도 시스템 전체의 성능은 크게 저하되지 않는 결함 내성을 갖는다(선지 4). 그러나 뉴런은 매우 다양한 처리 능력을 가진 다용도 처리기가 아니며, 단순한 계산을 수행하는 역할만 한다. 따라서 정답은 2이다.
29. 다음 중 뉴런의 활성함수로 적합하지 않은 것은?
① \( f(x) = \frac{1}{1 + e^{-x}} \)
② \( f(x) = \begin{cases} x, & x \geq 0 \\ 0, & x < 0 \end{cases} \)
③ \( f(x) = x \)
④ \( f(x) = \frac{e^x - e^{-x}}{e^x + e^{-x}} \)
정답: 3
해설: 뉴런의 활성함수로 일반적으로 사용되는 함수는 비선형성을 도입하여 신경망이 복잡한 패턴을 학습할 수 있도록 한다. 예를 들어, 시그모이드 함수(선지 1), ReLU 함수(선지 2), 하이퍼볼릭 탄젠트 함수(선지 4)는 모두 활성함수로 적합하다. 그러나 \( f(x) = x \)와 같은 선형 함수는 비선형성을 제공하지 않기 때문에 활성함수로 적합하지 않다. 따라서 정답은 3이다.
30. 다음 중 단층 퍼셉트론에 대한 설명으로 올바른 것은?
① 강화학습 방식으로 학습한다.
② XOR 문제를 풀기할 수 있도록 학습할 수 있다.
③ 선형 결정경계를 형성할 수 있도록 학습할 수 있다.
④ 군집화에 사용되는 신경회로망 모델이다.
정답: 3
해설: 단층 퍼셉트론은 선형 분류기이며, 선형 결정 경계를 형성할 수 있다(선지 3). 단층 퍼셉트론은 강화학습이 아닌 지도학습 방식으로 학습한다(선지 1). 또한, XOR 문제와 같은 비선형 문제를 해결할 수 없으며(선지 2), 군집화에 사용되는 신경회로망 모델도 아니다(선지 4). 따라서 정답은 3이다.
31. 오차 역전파 모델에서 경사하강법에 따라 연결 가중치 \( W \)를 학습할 때 사용할 수 있는 관성항의 용도는 무엇인가?
① 단층 퍼셉트론으로 비선형 경계를 학습할 수 있게 한다.
② 자율학습 방식으로 학습하기 위해 사용한다.
③ 활성함수를 제거할 수 있게 한다.
④ 지역최소치 문제나 고원 문제를 개선한다.
정답: 4
해설: 경사하강법에서 관성항은 이전 가중치 업데이트를 현재 업데이트에 반영함으로써 학습 속도를 높이고, 학습 과정에서 발생할 수 있는 진동을 줄이는 역할을 한다. 특히, 관성항은 지역 최소치에 갇히는 문제나 고원 문제를 개선하여 보다 안정적이고 효율적인 학습을 가능하게 한다. 단층 퍼셉트론의 비선형 경계 학습(선지 1), 자율학습(선지 2), 활성함수 제거(선지 3)와는 관련이 없다. 따라서 정답은 4이다.
32. 다음 중 자기조직화 지도 학습의 \( t \)번째 단계에서 학습표본 \( x_j \)에 대한 승자 노드 및 그 이웃집합에 속하는 노드의 가중치벡터 \( w_m \)을 조정하는 방법은? 단, 적응 이득 \( \alpha(t) \)는 양수이다.
① \( w_m(t+1) = w_m(t) \)
② \( w_m(t+1) = x_j \)
③ \( w_m(t+1) = w_m(t) + \alpha(t) \{ x_j - w_m(t) \} \)
④ \( w_m(t+1) = w_m(t) - \alpha(t) \{ x_j - w_m(t) \} \)
정답: 3
해설: 자기조직화 지도(SOM)에서 학습표본 \( x_j \)가 주어지면, 승자 노드와 그 이웃 노드들의 가중치 벡터 \( w_m \)을 조정하여 학습을 진행한다. 이 과정에서 가중치 벡터는 현재 가중치 벡터에 적응 이득 \( \alpha(t) \)와 학습표본 \( x_j \)의 차이를 곱한 값을 더해 업데이트된다. 이는 \( w_m(t+1) = w_m(t) + \alpha(t) \{ x_j - w_m(t) \} \)로 표현된다. 따라서 정답은 3이다.
33. 다음 중 심층 신경망에서 출력층의 오차에 따른 연결가중치의 변화량이 입력층 방향으로 내려갈수록 크게 감소하여 학습이 진행되지 않는 문제를 일컫는 것은?
① 지역 최소치 문제
② 경사 소멸 문제
③ 과적합 문제
④ 능선 문제
정답: 2
해설: 심층 신경망에서 출력층의 오차가 역전파될 때, 오차의 크기가 층을 거듭할수록 기하급수적으로 감소하여 초기 층에서는 거의 영향을 미치지 않는 문제를 경사 소멸 문제라고 한다. 이 문제는 네트워크가 깊어질수록 발생하며, 학습이 제대로 진행되지 않는 원인이 된다. 따라서 정답은 2이다.
34. 제한 볼츠만 머신과 같은 자율학습 신경망을 여러 층 쌓은 모델로, 학습표본 집합의 확률 분포를 학습할 수 있는 확률적 심층 신경망 모델에 해당되는 것은?
① 심층 신뢰망(deep belief nets)
② LVQ(Learning Vector Quantization)
③ ReLU(Rectified Linear Unit)
④ 볼츠만 머신(Boltzmann machine)
정답: 1
해설: 심층 신뢰망(Deep Belief Nets)은 제한 볼츠만 머신(RBM)과 같은 자율학습 신경망을 여러 층 쌓아 구성한 모델이다. 이 모델은 학습표본 집합의 확률 분포를 효과적으로 학습할 수 있는 확률적 심층 신경망 모델로 널리 사용된다. 따라서 정답은 1이다.
35. CNN 모델에서 필터를 적용함으로써 특징을 검출하는 역할을 하는 층은?
① ReLU 층
② 통합(pooling)층
③ 완전연결층
④ 합성곱(convolution)층
정답: 4
해설: 합성곱 신경망(CNN)에서 합성곱층(Convolution Layer)은 입력 데이터에 필터를 적용하여 특징을 추출하는 역할을 한다. 이 층은 이미지나 다른 입력 데이터의 국소적 패턴을 학습하는 데 사용된다. ReLU 층(선지 1)은 활성화 함수 역할을 하고, 통합층(선지 2)은 다운샘플링을, 완전연결층(선지 3)은 분류를 담당한다. 따라서 정답은 4이다.
'방통대' 카테고리의 다른 글
| 방통대 인공지능 2014-2 기말시험 기출문제 문제 풀이 및 해설 다운로드 (0) | 2024.05.18 |
|---|---|
| 방통대 인공지능 2018-2 기말시험 기출문제 풀이 및 해설 다운로드 (1) | 2024.05.18 |
| 방통대 2017-1 이산수학 기말시험 기출문제 정답 및 해설 다운로드 (0) | 2024.05.13 |
| 방통대 2018-1 이산수학 기말시험 기출문제 풀이 및 해설 (0) | 2024.05.12 |
| 방통대 이산수학 2017-1 출석수업대체시험 기출문제 풀이와 해설 (1) | 2024.05.12 |
