[G1-Sync] Manual knowledge update

10_Wiki/Topics/Regularization.md

@@ -1,8 +1,8 @@
 ---
-id: P-REINFORCE-AUTO-REGU-001
+id: [[P-Reinforce]]-AUTO-REGU-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
-tags: [auto-reinforced, regularization, overfitting, precision, machine-learning, l2-regularization]
+tags: [auto-reinforced, regularization, [[Overfitting]], precision, machine-learning, [[L2-Regularization]]]
 last_reinforced: 2026-04-20
 ---
 
@@ -20,7 +20,7 @@ last_reinforced: 2026-04-20
     *   **Dropout**: 무작위로 신경망의 연결을 끊음.
     *   **Early Stopping**: 성능이 안 좋아지기 전에 학습 중단.
 2.  **왜 중요한가?**:
-    *   현실 세계의 데이터는 항상 노이즈(Noise)가 섞여 있으며, 이를 걸러내지 못하는 모델은 쓸모없는 '암기기계'에 불과하기 때문임. (Optimization의 필수 요소)
+    *   현실 세계의 데이터는 항상 노이즈([[Noise]])가 섞여 있으며, 이를 걸러내지 못하는 모델은 쓸모없는 '암기기계'에 불과하기 때문임. ([[Optimization]]의 필수 요소)
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
 - **과거 데이터와의 충돌**: 과거에는 파라미터 수를 줄이는 정책에만 집중했으나, 현대 정책은 파라미터는 수조 개로 늘리되 데이터 증강(Augmentation)이나 정교한 가중치 감쇠(Weight Decay) 정책을 통해 '거대한 일반 지능 정책'을 구축하는 방향으로 전환됨(RL Update).
@@ -28,5 +28,5 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - [[Overfitting]], [[L2-Regularization]], [[Noise]], [[Optimization]], [[Machine Learning (ML)]]
-- **Modern Tech/Tools**: Weight decay, Batch Normalization, Dropout layers.
+- **Modern Tech/Tools**: Weight decay, Batch [[Normalization]], Dropout layers.
 ---