인공지능이 어떻게 이미지자료를 디지털 정보로 인식하는지, 이미지자료를 수학 기호로 표현하기(행렬),행렬의 덧셈과 뺄셈, 실수배.

인공지능이 이미지자료를 디지털 정보로 인식할때는 행렬을 이용하는데 과연 그 행렬이 이미지자료를 디지털정보로 바꾸는것 외에 어떻게 이용되는지 알고 싶어서 조사해봤다.

행렬은 인공지능의 신경망 및 딥러닝에서 가장 중요하고 강력한 기술중 하나입니다. 이때 행렬은 모델의 가중치와 편향을 표현하고 입력 데이터와 모델 간의 연산을 수행하는데 핵심적으로 활용됩니다. 오늘 배웠던 행렬 연산을 통해 신경망은 입력 데이터를 변환하고 새로운 표현을 생성할 수 있으며 순방향 전파과정에서도 사용됩니다.

이렇듯 행렬은 인공지능의 딥러닝부분에서 중요한 역할을 담당하는 것을 알 수 있었습니다.

오늘 배운 내용

-행렬: 수나 문자를 직사각형 형태로 묶어서 나타낸 것. -> 가로가 행, 세로가 열을 나타냄. 서로 다른 행렬들에 대하여 이 행렬들의 행과 열의 수가 같으면 서로 같은 꼴의 행렬이라고 함.

-이미지 자료의 처리:

행렬의 연산을 이용하여 처리한다.

행렬의 연산에는 덧셈, 뺄셈, 곱셈, 실수배가 있다.

덧셈과 뺄셈: 같은 꼴의 행렬들에 대하여 각각의 성분들을 더하거나 뺀다. 덧셈과 뺄셈은 이미지의 밝기를 밝거나 어둡게 하는데 쓰인다.

실수배: 행렬의 성분들에 각각 실수배를 해준다. 예) 행렬 A를 k배 한다면 행렬 A의 각 성분들을 모두 k배로 나타낸다. 행렬의 실수배는 이미지의 밝기를 이미 밝은 이미지는 더욱 밝게, 어두웠던 이미지는 조금 밝게 변화시킨다는 점에서 덧셈과 차이가 있다.

곱셈: 어렵다. 설명생략. 많이 해보면 는다고 하였다.

조사

[행렬이 왜 인공지능을 다루는데 필수적인가]

행렬은 인공지능 연구를 위한 언어이자, 빅데이터를 손쉽게 다루기 위한 필수 도구이다. 인공지능의 기반인 컴퓨터가 어떤 문제를 풀도록 하려면 문제를 행렬이 포함된 식으로 바꾸는 과정이 반드시 필요하기 때문인데, 예를 들어 복잡한 3차 미분방정식(보통 방정식은 종류에 상관없이 차수가 올라갈수록 풀기 어려움)을 풀 때, 이를 간단한 1차 미분방정식 3개로 표현해서(선형화) 행렬로 나타내면 컴퓨터를 통해 쉽게 답을 구할 수 있다.