분야
hwpⅡ. CASE-BASED REASONING--------------------------4
Ⅲ. Neural computing의 기본적인 개념---------------------6
Ⅳ. 인공신경망 학습-----------------------------------12
Ⅴ. 신경망 기반 시스템 개발-----------------------------15
CASE APPLICATION---------------------------------19
Ⅰ. 기계학습 기술
오늘날 복잡한 의사결정을 자동화하기 위해 많은 조직이 신경망을 사용한다. 신경망은 그것을 만들어 낸 추천된 행동의 과정으로 쉽게 그 패턴을 정의할 수 있다. 과거 경험으로부터 학습한 이후 망의 능력이 향상되어 '기계학습'이라 불리는 기술 군의 하나가 되었다. 기계학습은 Chapter11에서 설명한 몇 가지 전통적인 지식 획득 방법과 다르다. 기계학습은 사실에 바탕을 둔 결정으로부터 전문가의 지식을 함축적으로 유도하한 위해 시도인데 반하여 전분가로부터 지식을 획득하는 것은 정확한 지식을 제공하기 위한 전문가의 의지나 능력이 없으면 매우 힘들다. 다시 말해, 지식을 해결하는 것을 명료화하기 위해 시스템의 학습 모듈은 전문가에게 물어보는 대신에 유용한 데이터베이스나 조직화 되어있는 파일의 역사적인 데이터로부터 패턴이나 룰을 정의할 수 있다.
문제 해결을 위한 지식을 발견하려는 시도는 컴퓨터가 생기기 아주 오래 전부터 여러 세대를 거쳐 만들어졌다. 회귀나 예측 같은 통계적 모델, 재고관리나 자원 할당 같은 경영과학 모델, 설비 교체 방법과 구매와 생산의 의사결정 같은 재무적 모델을 생각해 보면 그런 방법들은 요소들을 정량화 하는 과정에서 제한이 있었다. 문제가 복잡하고 요소들이 정량적일 때, 표준 모델들은 그런 문제들을 풀 수 없었으며, 더욱 부가적이고, 심오하며, 풍부한 지식이 필요했다.
