유전적 알고리즘 (GA)
선택에 점수를 메긴다.
좋은 성적 받은 상위 2개 (이 갯수는 임의 선택일뿐이다)는 유전 시키고, 하위 2개는 도태시킨다.
유전 시킬 때에는, 2개의 부모 개체에서 어떤 세포들을 교차 시킬지도 꽤나중요하다. 그렇지만 GA에서는 대부분 랜덤으로 교차할 세포를 정한다.
유전 시켜 생겨난 새 개체에게선 임의로 특정 세포를 변이 시킨다.
이는 좋은 개체를 만들어내기 위함이고, 돌연변이만 만들어내려하거나 도태된 개체를 만들기 위했을 때는 다른 방식으로 얼마든지 응용이 가능하다.
뉴럴 네트워크 (NN)
자신이 흥분할 여지가 있는 (좋아하는 기호의) 신호가 왔을 때에만 반응함으로써, 이 것이 정답 (원하는 답) 인가를 판단해내는 방법이다.
모범 답안 (정답)을 알고 있기에, 그에 맞지 않는다면 파라미터 (신호)를 조정해가며 원하는 답인지를 학습해나간다.
마음에 드는 답을 얻을 때 까지!
카오스
어떻게 변할지 모르는 변화 무쌍한 것을 카오스라 부른다.
보간, 난수, AI 등의 다양한 분야에서 쓰인다.
엑스퍼트 시스템
학습형 시스템이 아니다.
상황과 그것에 대한 대처 방법인, 판단과 예측을 미리 준비해둔다.
상황별로 추론할 수 있는 가능성에 따라 점수를 메기므로, (높은 가능성은 높은 점수) 얻어낸 정보 (상황)을 바탕으로, 해결책을 알아 낼 수 있다.
단점으로는 모든 상황을 캐치할 수 없다는 점과, 대처 방법을 만들어낸 사람의 범주 안에서만 결론이 난다는 점 등이 있다.
퍼지 이론
흑백 논리로 나뉘어 판단하는 것이 아니고 (180 이상이면 위너, 179이하면 루저라던지) 170은 0.7 178은 0.95, 180은 1.0 등의 점수를 메겨서, 키가 큰편에 속한다 또는 키가 크다 라는 식의 차이의 정도를 판단을 할 수 있게 도와주는 이론이다.
강화 학습 시스템
원하는 결과를 얻거나, 실패할때까지 시도해본다.
실패했을 경우에는 그때까지 내린 선택에 벌점을 내리고, 성공 했을 경우 점수를 준다.
그리고 다시 시도를 하게 되는데, 이 때 점수가 높은 곳과 점수가 적은 곳이 있을 때 이는 절대적인 수치가 아니고, 어떤 선택지를 선택할지에 대한 확률 역할을 한다.
하지만, 계속되서 잘못된 판단이라 여겨진다면 (벌점이 높아 점수가 하나도 없게 된다면) 그 선택지는 버려지게 되는 것이다.
L 시스템 (Lindenmayer가 만든 시스템이라 L시스템)
규칙을 통해 변화를 줘서 발전 시키는 시스템.
L-system의 구성은 의외로 간단한다. 초기 문자셋(w)와 바꿔쓰기 위한 규칙(p)이 있을 뿐이다. 물론 위 복잡한 식물을 표현하기 위해서는 혹은 3D 식물을 모델링하기 위해서는 더 복잡하다. 간단한 아래 예를 살펴보자.
1
2
w : b
p : b->a, a->ab
위 문구를 초기 문자는 b이고 b를 a로 바꾸고 a 문자를 ab 로 바꾸라는 간단한 L-system의 구성이다. 위 규칙으로 인하여
1
2
3
4
5
b
a
ab
aba
abaab
식으로 자라나는? L-system을 구성한 것이다.