NeuralNetwork, CNN)이나 순환신경망(Recurrent NeuralNetwork, RNN)이 주로 활용되었습니다. 그러나 2017년 구글 딥마인드에서 발표한 트랜스포머(Transformer) 모델은 CNN과 RNN의 한계를 극복하며 자연어 처리 성능을 비약적으로 향상시켰습니다.
둘째로, 생성형 인공지능(Generative AI)의 발전이 있었습니다. 기존의 인
1. 모델 선택 기준
1) 로지스틱 회귀분석
해당 자료는 타겟 변수가 당뇨병의 여부를 나타내는 범주형이다. 따라서 logstic 회귀분석을 통해 변수를 선택한다. 변수를 선택하는 방법으로는 Stepwise 방법을 사용한다.
변수 선택의 방법에는 Forward. Backward, Stepwise가 있다. Forward의 경우에는 한 번 선택된
1 – 1. Decision Tree Using User-defined Algorithm(By SAS E-miner)
Splitting Condition : Entropy Reduction
Minimum Number of Observation : 46(1% of Data Set,
To avoid Overfitting & Underfitting)
Test Accuracy = 1266/1389 = 91.74%
Accuracy is increased little as Decision Tree used by C4.5
Because, Decision Tree is sufficiently good classifier.
창 발 성
생명처럼 구성요소가 개별적으로 갖지 못한 특성이나
행동이 구성요소를 함께 모아놓은 전체구조에서
자발적으로 돌연히 출현하는 현상
주제 선정 이유
창발성은 모든 복잡계가 보여주는 특성이다.
일상생활의 여러 측면에 영향을 끼치고 있다.
창발성이라는 것은 단백질 분자는
정의
-전문가 시스템이란 인공지능 연구의 한 분야로,
어떤 특정한 작업을 행할 시에, 그 작업에 아주 익숙해 있는
전문가(human)를 대신하여 Computer가 자동적으로 일을
수행할 수 있도록 학습, 문제 해결 및 추론 등의 능력을 갖고
있는 Computer Program System.
분야 주요지원업무
금융 생명보