뇌절맨

-합성곱 신경망의 주요 개념 이해하기. -배친 정규화란? -DCGAN의 구현. 논문PDF : Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks 기존 GAN에는 몇 가지 단점들이 존재합니다. 가장 치명적인 단점은 '그냥 성능이 좋지 못하다'는 점입니다. 이외에도 신경망의 형태로 input에 대한 output의 근거를 알 수가 없습니다. 다시 말해, 학습의 과정이 어떠한지 알 수 가 없습니다. 마지막으로 GAN은 새롭게 만들어진 sample로서 기존의 original input과 비교를 할 수 있는 정량적인 척도로 쓰일 마땅한 지표가 없습니다. 결국 사람이 직접 보고 판단해야하고 이는 주관적인..

- GAN과 적대적 훈련의 이면에 있는 이론 살펴보기. - GAN과 CNN 차이점 이해하기. - Keras로 GAN을 구현하고 훈련하여 손글씨 숫자 생성하기. GAN 기초 : 적대적 훈련 Generative Adversarial Network 한국어로는 생성적 적대 신경망인데, '적대'라는 것이 뭔가 생소하고 뜬금없습니다. 그럼 왜 적대 신경망인지는 한번 살펴보죠. GAN은 생성자("위조범")와 판별자("위조 지폐 전문가")로 이루어진 흥미로운 아이디어를 담은 모델입니다. 이 한 줄만 보아도 왜 '적대'라는 말이 들어갔는지 감이 오실겁니다. 생성자와 판별자가 서로 경쟁하며, 영향을 주면서 학습하는 모델이 바로 GAN입니다. 이 신경망은 각각의 비용함수를 가지고 있고, 판별자의 손실을 이용하여 back p..

다루는 내용. - 잠재 공간으로 데이터를 인코딩(차원 축소) 그 후 차원 확장. - 변이형 오토인코더를 통해 생산 모델링의 어려움 이해하기 - 케라스와 오토인코더를 이용한 손글씨 숫자 생성하기 - 오토인코더의 한계와 GAN의 필요성 이해하기 아이디어 딥러닝을 통해 이미지의 픽셀 데이터를 학습하여 클래스를 예측했다. 그렇다면 클래스를 통해 이미지를 만들 수는 없을까? INTRO Autoencoder는 인코더와 디코더 두 부분과 가운데 히든 레이어로 이루어져 있는데, autoencoder에서 히든 레이어를 잠재 공간(latent space)라고 합니다. 잠재 공간에서는 데이터의 '압축'이라는 과정이 일어나는데, 압축의 의미는 input에 대한 학습에 따라 적절한 output을 낼 수 있도록 input에 대한..