강화학습 함수 근사 쉽게 이해하기: 가치 오차부터 준그래디언트 TD와 치명적 삼요소까지
상태가 이미지처럼 거대해지면 표 기반 강화학습은 무너진다. 함수 근사로 넘어갈 때 무엇이 달라지는지, 일반화라는 진짜 과제와 가치 오차, 준그래디언트 TD, 마운틴카 예제, 치명적 삼요소까지 차근차근 정리했다.
핵심 내용 읽기 →
AI TOPIC
함수 근사 최신 뉴스와 핵심 해설
함수 근사 관련 핵심 뉴스와 활용 인사이트 4편을 최신순으로 모았습니다.
기호 회귀(Symbolic Regression)로 함수 진화시키기: 표현식 트리와 돌연변이·접붙이기
함수를 재귀적 '트리'로 표현해 무작위 생성·돌연변이·접붙이기로 진화시키는 기호 회귀를 정리한다. 고차원 파라메트릭 곡면을 만들고, NEAT 같은 신경진화와 비교한 장단점까지 짚는다.
핵심 내용 읽기 →
신경망이 거의 무엇이든 학습하는 이유: 함수 근사와 보편 근사 정리 쉽게 이해
신경망을 '함수 근사기'로 보면 딥러닝의 원리가 선명해집니다. 뉴런과 가중치, 비선형성(ReLU), 역전파, 보편 근사 정리, 그리고 신경망이 학습할 수 없는 것까지 직관적으로 정리했습니다.
핵심 내용 읽기 →
신경망은 만능 함수 근사기 — 곡선 맞춤, 푸리에 특징, 차원의 저주까지
신경망이 함수를 짓는 기계라는 관점에서 이미지·구면·조개껍데기·만델브로 집합을 근사한다. 테일러·푸리에 특징을 더한 실험으로 저차원의 성공과 고차원의 한계를 보여준다.
핵심 내용 읽기 →