4w0323
2026๋ 11์ 15์ผ ๊ณต์
๐จ [์ํ ์ถ์ ๋ ์ด๋] ํต์ฌ ํ ํฝ ๋ถ์
์์ ์ถ์ ์์ | ํต์ฌ ํ ํฝ (์ฃผ์ ๋ช
) | ๊ต์๋ ๊ฐ์กฐ ์์ค (์/์ค/ํ) | ์ถ์ ์์ ์ ํ (๋จ๋ต/๊ณ์ฐ/๋น๊ต/์์ ) |
|---|---|---|---|
1์์ | ๋์ด๋ธ ๋ฒ ์ด์ฆ ๋ถ๋ฅ๊ธฐ์ ๋ผํ๋ผ์ค ์ค๋ฌด๋ฉ | ์ | ๊ณ์ฐ/์์ |
2์์ | ๋ฒ ์ด์ง์ ๋คํธ์ํฌ์ ์กฐ๊ฑด๋ถ ํ๋ฅ ๊ณ์ฐ | ์ | ๊ณ์ฐ/์์ |
3์์ | ๋ชฌํ
์นด๋ฅผ๋ก ํธ๋ฆฌ ํ์(MCTS) 4๋จ๊ณ์ UCB1 | ์ | ๋จ๋ต/์์ |
4์์ | A* ์๊ณ ๋ฆฌ์ฆ (f = g + h) | ์ค | ๊ณ์ฐ/๋จ๋ต |
5์์ | ๋ฏธ๋๋งฅ์ค ์๊ณ ๋ฆฌ์ฆ๊ณผ ์ํ-๋ฒ ํ ๊ฐ์ง์น๊ธฐ | ์ค | ๊ฐ๋
/๋จ๋ต |
๐ง [A+ ์์ ํ ์๋ฒฝ ๋๋น] ๋ ผ๋ฆฌ ํ๋ฆ ๋ ธํธ
[์ฃผ์ ๋ช 1: ๋์ด๋ธ ๋ฒ ์ด์ฆ ๋ถ๋ฅ๊ธฐ์ ๋ผํ๋ผ์ค ์ค๋ฌด๋ฉ(Laplace Smoothing)]
- ์ถ์ ํฌ์ธํธ: ๋น๋๊ฐ 0์ธ ๋จ์ด๋ก ์ธํด ์ ์ฒด ์ฌํ ํ๋ฅ ์ด 0์ด ๋๋ ๋ฌธ์ ๋ฅผ ํด๊ฒฐํ๋ ๋ฐฉ๋ฒ๊ณผ ๋ถ๋ชจ์ ๋ณํ ๊ณ์ฐ
- Why (์ ๋์ ๋์๋): ํน์ ๋จ์ด๊ฐ ํ์ต ๋ฐ์ดํฐ์ ํน์ ํด๋์ค(์: ์คํธ)์ ํ ๋ฒ๋ ๋ฑ์ฅํ์ง ์์ผ๋ฉด ํด๋น ๊ฐ๋ฅ๋(Likelihood)๊ฐ 0์ด ๋์ด, ๋ค๋ฅธ ๋จ์ด๋ค์ด ์๋ฌด๋ฆฌ ๊ฐ๋ ฅํ ํํธ๋ฅผ ์ฃผ์ด๋ ์ ์ฒด ๊ณฑ์ ๊ฒฐ๊ณผ๊ฐ 0์ด ๋๋ ๋ฌด๋ชจํ ํ๋จ(Zero Probability Problem)์ด ๋ฐ์ํจ.
- How (์ด๋ป๊ฒ ์๋ํ๋): ๊ด์ฐฐ ๋ฐ์ดํฐ๊ฐ ์์ด๋ ๊ธฐ๋ณธ์ ์ผ๋ก ๋น๋์ 1(๋๋ ์์ ์์)์ ๋ํจ. ์ด๋ ๋ถ์๋ง 1 ์ฆ๊ฐํ๋ ๊ฒ์ด ์๋๋ผ, ๋ถ๋ชจ(์ ์ฒด ๋จ์ด ๋ฐ์ ํ์)์๋ ๊ณ ์ ๋จ์ด์ ์ด ๊ฐ์๋งํผ ๋ํด์ฃผ์ด ํ๋ฅ ์ ํฉ์ด 1์ด ๋๋๋ก ์กฐ์ ํจ.
- Limit/Result (ํ๊ณ์ ๋ฐ ์์): ๋ชจ๋ ํน์ฑ์ด ์์ ํ ๋ ๋ฆฝ์ ์ด๋ผ๋ ๋นํ์ค์ ์ธ ๊ฐ์ (Naive)์ ์ฌ์ฉํ์ง๋ง, ๊ณ์ฐ์ด ๋น ๋ฅด๊ณ ์ง๊ด์ ์.
[์ฃผ์ ๋ช 2: ๋ฒ ์ด์ง์ ๋คํธ์ํฌ (Bayesian Network)]
- ์ถ์ ํฌ์ธํธ: ๋ณต์กํ ํ๋ฅ ๊ณ์ฐ์ ์กฐ๊ฑด๋ถ ๋ ๋ฆฝ์ ์ด์ฉํด ๋จ์ํํ๋ ์๋ฆฌ์ ๊ทธ๋ํ ํ์
- Why (์ ๋์
๋์๋): ์๋ง์ ๋ณ์๊ฐ ์๋ ํ์ค ์ธ๊ณ์์ ๋ชจ๋ ๊ฒฝ์ฐ์ ์(๏ปฟ)์ ๋ํ ๊ฒฐํฉ ํ๋ฅ ์ ๊ณ์ฐํ๋ ๊ฒ์ ์ปดํจํ ์์์ ๋ถ๊ฐ๋ฅํจ.
- How (์ด๋ป๊ฒ ์๋ํ๋): ์ธ๊ณผ๊ด๊ณ๊ฐ ์๋ ๋ณ์๋ค๋ง ๋ฐฉํฅ์ฑ ๋น์ํ ๊ทธ๋ํ(DAG)๋ก ์ฐ๊ฒฐํจ. ์ด๋ค ๋ ธ๋์ ํ๋ฅ ์ ์ค์ง ๋ถ๋ชจ ๋ ธ๋(์์ธ)์ ์กฐ๊ฑด๋ถ ํ๋ฅ ๋ก๋ง ๊ณ์ฐ๋จ. ์ฐ์ ๋ฒ์น(Chain Rule)์ ์ ์ฉํ์ฌ ์ ์ฒด ํ๋ฅ ์ ํ์ ์กฐ๊ฑด๋ถ ํ๋ฅ ๋ค์ ๊ณฑ์ผ๋ก ๋ถํดํ์ฌ ๊ณ์ฐ๋์ ๊ทน์ ์ผ๋ก ์ค์.
- Limit/Result (ํ๊ณ์ ๋ฐ ์์): ์ฌ์ ์ ์ ๋ฌธ๊ฐ๋ ๋ฐ์ดํฐ๋ฅผ ํตํด ์ธ๊ณผ๊ด๊ณ(๋คํธ์ํฌ ๊ตฌ์กฐ)์ ์กฐ๊ฑด๋ถ ํ๋ฅ ํ๊ฐ ๋ชจ๋ ์ฃผ์ด์ ธ ์์ด์ผ๋ง ๊ณ์ฐ์ด ๊ฐ๋ฅํจ.
[์ฃผ์ ๋ช 3: ๋ชฌํ ์นด๋ฅผ๋ก ํธ๋ฆฌ ํ์ (MCTS) ๋ฐ ์ํ๊ณ ์ ์ฉ]
- ์ถ์ ํฌ์ธํธ: MCTS์ 4๋จ๊ณ ์๋ ์๋ฆฌ์ UCB1 ๊ณต์์ ํตํ ํ์/์ด์ฉ์ ๋๋ ๋ง ํด๊ฒฐ
- Why (์ ๋์ ๋์๋): ๋ฐ๋์ฒ๋ผ ๊ฒฝ์ฐ์ ์๊ฐ ์ฐ์ฃผ ์์ ์๋ณด๋ค ๋ง์ ๊ฒ์์์๋ ๊ธฐ์กด์ ๋ฏธ๋๋งฅ์ค(Minimax) ๋ฐฉ์์ผ๋ก ๋๊น์ง ํธ๋ฆฌ๋ฅผ ์ ๊ฐํ๋ ๊ฒ์ด ๋ถ๊ฐ๋ฅํจ.
- How (์ด๋ป๊ฒ ์๋ํ๋): ์ ์ฒด ํธ๋ฆฌ๋ฅผ ํผ์น์ง ์๊ณ , ํต๊ณ์ ์๋ฎฌ๋ ์ด์ ์ ํตํด ์ ๋งํ ๋ ธ๋์ ์ง์คํจ.
- Selection (์ ํ): UCB1 ๊ณต์์ ์ฌ์ฉํ์ฌ ์น๋ฅ ์ด ๋์ผ๋ฉด์๋(Exploitation), ๋ ํ์๋(Exploration) ๋ ธ๋๋ฅผ ์ ํ.
- Expansion (ํ์ฅ): ์ ํ๋ ๋ ธ๋์์ ์๋ก์ด ์์ ๋ ธ๋๋ฅผ ํ๋ ์ถ๊ฐ.
- Simulation (์๋ฎฌ๋ ์ด์ ): ๋ฌด์์๋ก ๊ฒ์์ ๋๊น์ง ์งํํ์ฌ ์นํจ๋ฅผ ํ๋จ.
- Backpropagation (์ญ์ ํ): ์นํจ ๊ฒฐ๊ณผ๋ฅผ ๋ฐ๋ผ ๋ฃจํธ ๋ ธ๋๊น์ง ์ฌ๋ผ๊ฐ๋ฉฐ ์น๋ฅ ํต๊ณ(์๋ ํ์, ์น๋ฆฌ ํ์)๋ฅผ ๊ฐฑ์ .
- Limit/Result (ํ๊ณ์ ๋ฐ ์์): ์๋ฎฌ๋ ์ด์ ํ์๊ฐ ๋ง์์๋ก ์ ํํด์ง๋ฉฐ, ์ํ๊ณ ๋ ์ฌ๊ธฐ์ ์ ์ฑ ๋ง(Policy Network)๊ณผ ๊ฐ์น๋ง(Value Network)์ ๊ฒฐํฉํด ๋ฌด์์ ์๋ฎฌ๋ ์ด์ ์ ํ๊ณ๋ฅผ ๊ทน๋ณตํจ.
โ๏ธ [ํ์ ์๊ธฐ] ํท๊ฐ๋ฆฌ๋ ๊ฐ๋ ๋น๊ต
๋น๊ต ํญ๋ชฉ | Exploitation (์ด์ฉ) | Exploration (ํ์) |
|---|---|---|
ํต์ฌ ์๋ฆฌ | ํ์ฌ๊น์ง ํต๊ณ์ ์ผ๋ก ๊ฐ์ฅ ์น๋ฅ ์ด ๋์(ํ์คํ) ์๋ฅผ ์ ํ | ์์ง ์ถฉ๋ถํ ์๋๋์ง ์์ ๋ฏธ์ง์ ์๋ฅผ ์ ํํ์ฌ ์๋ก์ด ๊ฐ๋ฅ์ฑ ํ์
|
UCB1 ์์ ์์น | ์๋ถ๋ถ ( ๏ปฟ ) | ๋ท๋ถ๋ถ ( ๏ปฟ ) |
์ ์ฉ ์ฌ๋ก | ์น๋ฅ ์ด 90%์ธ ๊ฒ์ฆ๋ ๋ฐ๋๋ ์์น์ ๋๊ธฐ | ์๋ ํ์๊ฐ 1๋ฒ๋ฟ์ธ ์๋ก์ด ์์น์ ๋์ด๋ณด๊ธฐ |
โ ๏ธ [์ถ์ ์์ ํจ์ ์ฃผ์!]
๐ฏ [์ค์ ๋ชจ์๊ณ ์ฌ] ๊ต์๋ ๋ง์ถคํ ํ๋์ฝ์ด ํ๋ จ
[์น์
1: ๋จ๋ต ๋ฐ ๊ฐ๋
ํ์ธํ]
- Q1. ๋์ด๋ธ ๋ฒ ์ด์ฆ ๋ถ๋ฅ๊ธฐ์์ ๋ชจ๋ ์ฌ๊ฑด์ด ์๋ก ์ํฅ์ ์ฃผ์ง ์๋๋ค๋ ๊ฐ๋ ฅํ ๊ฐ์ ์ ๋ฌด์์ด๋ผ๊ณ ๋ถ๋ฅด๋๊ฐ?
- Q2. A* ์๊ณ ๋ฆฌ์ฆ์์ ํ๊ฐ ํจ์ ๏ปฟ์ ๋ ๊ฐ์ง ๊ฐ์ ํฉ์ผ๋ก ๊ตฌ์ฑ๋๋ค. ์์ ๋ ธ๋์์ ํ์ฌ ๋ ธ๋๊น์ง์ ์ค์ ๋น์ฉ์ ์๋ฏธํ๋ ๊ธฐํธ์, ํ์ฌ ๋ ธ๋์์ ๋ชฉํ ๋ ธ๋๊น์ง์ ์์ ๋น์ฉ์ ์๋ฏธํ๋ ๊ธฐํธ๋ ๊ฐ๊ฐ ๋ฌด์์ธ๊ฐ?
- Q3. ๋ฒ ์ด์ง์ ๋คํธ์ํฌ๋ ๊ทธ๋ํ ๊ตฌ์กฐ๋ฅผ ๋ค๋ค. ์ด๋ ๋ฐฉํฅ์ฑ์ด ์์ผ๋ฉด์๋ ์ํํ์ง ์๋ ๊ทธ๋ํ๋ฅผ ์ง์นญํ๋ ์๋ฌธ ์ฝ์๋ ๋ฌด์์ธ๊ฐ?
- Q4. ๋ชฌํ ์นด๋ฅผ๋ก ํธ๋ฆฌ ํ์(MCTS)์ 4๋จ๊ณ ์ค, UCB1 ๊ฐ์ ๊ณ์ฐํ์ฌ ํธ๋ฆฌ๋ฅผ ๋ด๋ ค๊ฐ๋ ๋จ๊ณ์ ์ด๋ฆ์ ๋ฌด์์ธ๊ฐ?
[์น์
2: ์กฐ๊ฑด๋ถ ์ ์ฉ ๋ฐ ๊ณ์ฐํ]
- Q5. ๊ธ์ /๋ถ์ ๋๊ธ์ ๋ถ๋ฅํ๋ ๋์ด๋ธ ๋ฒ ์ด์ฆ ๋ชจ๋ธ์ด ์๋ค. '์ง๋ค'๋ผ๋ ๋จ์ด๊ฐ ๊ธ์ ๋๊ธ 10๊ฐ ์ค ํ ๋ฒ๋ ๋ฑ์ฅํ์ง ์์๋ค. ๋ผํ๋ผ์ค ์ค๋ฌด๋ฉ(์์=1)์ ์ ์ฉํ ๋, ์ ์ฒด ๊ณ ์ ๋จ์ด์ ์๊ฐ 15๊ฐ๋ผ๋ฉด, ๊ธ์ ๋๊ธ์์ '์ง๋ค'๊ฐ ๋ฑ์ฅํ ํ๋ฅ ์ ์ด๋ป๊ฒ ๊ณ์ฐ๋๋๊ฐ? (๋ถ์ ํํ๋ก ์์ฑ)
[์น์
3: ์์ ํ ๋ฐ ๋
ผ์ ํ]
- Q6. ๋ฒ ์ด์ง์ ๋คํธ์ํฌ๊ฐ 1980๋ ๋์ ๋์ ๋ ๋ฐฐ๊ฒฝ์ ๊ธฐ์กด ์ ๋ฌธ๊ฐ ์์คํ (Rule-based)์ ํ๊ณ์ ๊ฒฐํฉ ํ๋ฅ ๊ณ์ฐ์ ๋ณต์ก๋ ๊ด์ ์์ ์์ ํ์์ค. (ํต์ฌ ํค์๋: ์์ธ ์ํฉ, 2์ n์ ๊ณฑ, ์กฐ๊ฑด๋ถ ๋ ๋ฆฝ)
- Q7. ์ํ๊ณ ๋ฑ์ ์ฐ์ด๋ ๋ชฌํ ์นด๋ฅผ๋ก ํธ๋ฆฌ ํ์(MCTS)์ 4๋จ๊ณ๋ฅผ ์์๋๋ก ๋์ดํ๊ณ , ๊ฐ ๋จ๊ณ๊ฐ ๋ฌด์์ ํ๋์ง ์์ ํ์์ค. (ํต์ฌ ํค์๋: UCB1, ๋ฌด์์ ์๋ฎฌ๋ ์ด์ , ์ญ์ ํ)
<details>
</details>
<summary></summary>
[์น์
1]
- ์กฐ๊ฑด๋ถ ๋ ๋ฆฝ (Conditional Independence)
- ๏ปฟ,๏ปฟ
- DAG (Directed Acyclic Graph)
- Selection (์ ํ)
[์น์
2]5. 1 / (10 + 15) = 1 / 25. (์๋ ๋น๋ 0์ 1์ ๋ํ๊ณ , ๊ธฐ์กด ๋ถ๋ชจ 10์ ์ ์ฒด ๊ณ ์ ๋จ์ด ์ 15๋ฅผ ๋ํจ)
[์น์
3]6. ๊ธฐ์กด ์ ๋ฌธ๊ฐ ์์คํ
์ ๊ท์น์ด ์กฐ๊ธ๋ง ํ๋ ค๋ ์์ธ ์ํฉ์ ๋์ฒํ์ง ๋ชปํ๋ ํ๊ณ๊ฐ ์์๋ค. ์ด๋ฅผ ํ๋ฅ ๋ก ์ ๊ทผํ๋ ค ํ์ผ๋, ๋ณ์๊ฐ n๊ฐ์ผ ๋ ๋ชจ๋ ๊ฒฐํฉ ํ๋ฅ ์ ๊ณ์ฐํ๋ ค๋ฉด 2์ n์ ๊ณฑ์ด๋ผ๋ ๋ง๋ํ ๊ณ์ฐ๋์ด ํ์ํ๋ค. ์ด๋ฅผ ํด๊ฒฐํ๊ธฐ ์ํด ์ธ๊ณผ๊ด๊ณ๊ฐ ์๋ ๋ณ์๋ค๋ง ๊ทธ๋ํ๋ก ์ฐ๊ฒฐํ๊ณ , ์กฐ๊ฑด๋ถ ๋
๋ฆฝ ๊ฐ์ ์ ํตํด ์ฐ์ ๋ฒ์น์ผ๋ก ํ๋ฅ ์ ๋ถํดํ์ฌ ๊ณ์ฐ๋์ ํ๊ธฐ์ ์ผ๋ก ์ค์ธ ๋ฒ ์ด์ง์ ๋คํธ์ํฌ๊ฐ ๋์
๋์๋ค.
7.
- Selection (์ ํ): UCB1 ๊ณต์์ ์ฌ์ฉํ์ฌ ์น๋ฅ (์ด์ฉ)๊ณผ ๋ฐฉ๋ฌธ ํ์(ํ์)๋ฅผ ๊ณ ๋ คํด ์ต์ ์ ๋ฆฌํ ๋ ธ๋๊น์ง ํธ๋ฆฌ๋ฅผ ๋ด๋ ค๊ฐ๋ค.
- Expansion (ํ์ฅ): ์ ํ๋ ๋ ธ๋์์ ๊ฐ๋ฅํ ์ก์ ์ค ํ๋๋ฅผ ์ ํํด ์๋ก์ด ๋ ธ๋๋ฅผ ํธ๋ฆฌ์ ์ถ๊ฐํ๋ค.
- Simulation (์๋ฎฌ๋ ์ด์ ): ํ์ฅ๋ ๋ ธ๋๋ถํฐ ๊ฒ์์ด ๋๋ ๋๊น์ง ๋ฌด์์ ์๋ฎฌ๋ ์ด์ ์ ๋๋ ค ์นํจ ๊ฒฐ๊ณผ๋ฅผ ์ป๋๋ค.
- Backpropagation (์ญ์ ํ): ๋์ถ๋ ์นํจ ๊ฒฐ๊ณผ๋ฅผ ๋ฐ๋ผ ๋ฃจํธ ๋ ธ๋๊น์ง ๊ฑฐ์ฌ๋ฌ ์ฌ๋ผ๊ฐ๋ฉฐ ๊ฐ ๋ ธ๋์ ์น๋ฅ ํต๊ณ๋ฅผ ๊ฐฑ์ ํ๋ค.
โก [์ํ ์ง์ 5๋ถ ์ปท] ๋ฒผ๋ฝ์น๊ธฐ ์์ฝ ์๊ธฐ์ฅ
- ๋์ด๋ธ ๋ฒ ์ด์ฆ ํต์ฌ: ์กฐ๊ฑด๋ถ ๋ ๋ฆฝ ๊ฐ์ ํ์ ์ฌํ ํ๋ฅ ์ ๊ณ์ฐ. ๋น๋ 0 ๋ฌธ์ ๋ **๋ผํ๋ผ์ค ์ค๋ฌด๋ฉ(+1)**์ผ๋ก ํด๊ฒฐํ๋ฉฐ, ๋ถ๋ชจ์๋ ๋ฐ๋์ '์ ์ฒด ๊ณ ์ ๋จ์ด ์'๋ฅผ ๋ํ๋ค.
- ๋ฒ ์ด์ง์ ๋คํธ์ํฌ: ๋ฐฉํฅ์ฑ ๋น์ํ ๊ทธ๋ํ(DAG). ๋ฐฉ๋ํ ๊ฒฐํฉ ํ๋ฅ (๏ปฟ) ๊ณ์ฐ์ **์กฐ๊ฑด๋ถ ํ๋ฅ ์ ๊ณฑ(์ฐ์ ๋ฒ์น)**์ผ๋ก ๋จ์ํํ์ฌ ๊ณ์ฐ๋์ ๊ทน์ ์ผ๋ก ์ค์ธ๋ค.
- A ์๊ณ ๋ฆฌ์ฆ:* ๏ปฟ.๏ปฟ๋ ํ์ฌ๊น์ง์ ์ค์ ๋น์ฉ,๏ปฟ๋ ๋ชฉํ๊น์ง์ ํด๋ฆฌ์คํฑ(์์) ๋น์ฉ.
- ์ํ-๋ฒ ํ ๊ฐ์ง์น๊ธฐ: ๋ฏธ๋๋งฅ์ค ํธ๋ฆฌ์์ ํ์ํ ํ์๊ฐ ์๋ ๋ถํ์ํ ๊ฐ์ง(์๋๋ฐฉ์ด ์ ๋ ํ์ฉํ์ง ์์ ๊ฒฝ๋ก)๋ฅผ ์๋ผ๋ด์ด ํ์ ์๋๋ฅผ ๋์ธ๋ค.
- MCTS 4๋จ๊ณ: ์ ํ(Selection) ๏ปฟํ์ฅ(Expansion)๏ปฟ์๋ฎฌ๋ ์ด์ (Simulation)๏ปฟ์ญ์ ํ(Backpropagation).
- UCB1 ๋๋ ๋ง: ์น๋ฅ ์ด ๋์ ๊ณณ์ ํ๋ **Exploitation(์ด์ฉ)**๊ณผ ๊ฐ๋ณด์ง ์์ ๊ณณ์ ๊ฐ๋ณด๋ **Exploration(ํ์)**์ ๊ท ํ์ ๋ง์ถ๋ ๊ณต์์ด๋ค.
๋ค๋ฅธ ๊ณต๊ฐ ๋ ธํธ
๊ณต๊ฐ ๋ ธํธ ๋ชจ๋ ๋ณด๊ธฐKYA ๊ธฐ๋ฐ ์์ด์ ํธ ์ธ์ฆ ํ๋กํ ์ฝ
2026๋ 11์ 18์ผ
๋ณด๊ธฐ
ํ๋ฅ MVP ๋ฒ์ ๋ฐ ๊ธฐ๋ฅ ์ ์ ํ์
2026๋ 11์ 17์ผ
๋ณด๊ธฐ
์ด์์ฒด์ 10/26
2026๋ 11์ 17์ผ
๋ณด๊ธฐ
New Note
2026๋ 11์ 16์ผ
๋ณด๊ธฐ
RLC ์คํ๊ณผ ์๊ธฐ์ฅ ์ธก์ ์คํ๊ธฐ๋ก
2026๋ 11์ 14์ผ
๋ณด๊ธฐ
ํ๋ณตํ ์๋๊ธฐ๋ฅผ ์ํ ๋ถ๋ชจ์ ์ดํด์ ์ํ์ง๋
2026๋ 11์ 13์ผ
๋ณด๊ธฐ