강의

생성 모델

\(\rhd\) 생성 모델이란

기존 분별 모델의 경우, x가 주어졌을 때 y, 즉 라벨값을 예측하는 문제이다.
생성 모델의 경우 그보다 더 나아가 궁극적으로 x, 즉 데이터 자체를 생성하고, 데이터로부터 y값이 어떻게 추정되는지에 관한 문제이다.

\(\rhd\) 선형대수

샘플(데이터)를 특징 벡터(feature vector)로 표현

• 벡터의 내적

백터의 내적은 결국 두 벡터 사이의 유사도를 나타낸다.
내적의 결과가 90도보다 작으면 0보다 큰값을 가지며,
90도 이면 0, 90도 보다 크면 음수를 가진다.

신경망의 학습은 결국 벡터의 내적을 통하여 공간을 변화시킨다.

\(\rhd\) GAN

현재 생성 모델 중 가장 좋은 성능을 보이는 모델
GAN은 생성기(generator) G, 분별기(discriminator) D의 대립 구도를 통해 적대적으로 학습을 진행한다.
G는 가짜 샘플들을 생성하며, D는 이렇게 생성된 가짜들과 진짜 샘플을 구별하는 역할을 한다.
GAN의 최종적인 목표는 G가 이기도록 하는 것이다. 즉, G가 생성하는 샘플들을 D가 구별하지 못하는 수준까지 학습한다.