인공지능 (3) 썸네일형 리스트형 GAN - Generative models 데이터를 이용해 같은 분포를 가진 데이터를 추가적으로 만들어내는 모델 neural network layer가 점점 깊어지고 복잡해지며 많은 데이터가 필요해졌다 이때 사용할 수 있는 generative models! 데이터 늘리는 것 이외에도 colorization, super resolution 등에서도 사용할 수 있다 입력으로 강아지 사진이 들어왔다고 가정해보자 이미지들의 probability distribution이 p(x)라면 p(x)를 이용해 새로 만든 x_new도 강아지처럼 우리 눈에 보여야한다 또한 x가 강아지 같다면 p(x)값이 커야한다 이러한 상황에서 우리가 알고싶은 것은 p(x)를 표현하는 방법과 어떻게 학습할 것인지이다 generative model은.. Supervised Learning vs Unsupervised Learning GAN을 배우기 전에 supervised learning과 unsupervised learning의 차이점을 다시 공부해보았다 - Supervised Learning ( 지도학습 ) Data가 실제 data(x)와 label(y)로 나뉘어 들어온다 목표는 x를 y로 매핑시켜주는 함수를 찾는 것 classification, regression, object detection, semantic segmentation, image captioning 등의 예시가 있다 object detection은 이미지에서 객체를 탐지하는 것이고 semantic segmentation은 객체를 탐지하는 점은 같지만 픽셀별로 classification을 진행하는 느낌이었다 - Unsupervised Learing ( 비지도학.. Neural Networks 봐도 봐도 헷갈리는 뉴럴네트워크 식의 index가 매번 헷갈린다 sigmoid function을 사용하는 neural networks의 objective function (loss function)을 정의하고 derivative를 구해보려고 한다 먼저 sigmoid function의 정의는 다음과 같다 $$ \sigma (t) = {1 \over {1+exp(-t)}} $$ $ \sigma(t) $의 값이 1/2 이상이라면 class 1, 아니라면 class 0으로 구분한다 여기에 우리는 $ x \in \mathbb{R}^D $로 주어지는 input을 사용해야하니까 t 대신 $ w^Tx - b $를 넣어서 사용하자 b는 bias term인데 이 bias term을 없애고 homogenous equatio.. 이전 1 다음
