Hands-On Machine Learning with Scikit-Learn, keras & TensorFlow CHAPTER17 오토인코더와 GAN을 사용한 표현 학습과 생성적 학습(1)

ckck12·2023년 4월 24일
0

핸즈 온 머신러닝

목록 보기
1/1

오토인코더: 레이블 되지 않은 훈련 데이터를 이용해서 latent representation을 학습하는 인공신경망
이러한 (latent representation 또는 coding)은 낮은 차원을 가진다.

특징:
1. 특성 추출기로 작동하니까 비지도 학습에 사용 됨
2. 훈련 데이터와 매우 비슷한 새로운 데이터를 생성할 수 있음. (생성 모델)
3. 얼굴 사진으로 오토 인코더를 훈련하면 새로운 얼굴 생성 가능 but, 이미지가 흐릿하고 실제와 같지 않음

작동방식:
1. 단순히 입력을 출력으로 복사하는 법을 학습함
2. 네트워크에 일부러 제약을 가해 학습을 어렵게 만듦 -> coding에 크기제한, 노이즈 추가하여 원본 입력을 복원하도록 네트워크를 훈련시킴 -> robust해짐
3. Coding은 제약 조건에서 항등함수를 학습하려는 오토인코더의 부산물

GAN:
역할: 초해상도, 컬러화, 이미지 편집, 동영상에서 다음 프레임 예측, 데이터 증식, etc

특징:
1. 비지도 학습

작동방식:
1. 2개의 신경망으로 구성됨
2. 생성자: 훈련 데이터와 비슷하게 보이는 데이터를 생성
3. 판멸자: 가짜 데이터와 진짜 데이터를 구별
4. 신경망이 훈련하는 동안 생성자와 판별자가 서로 경쟁

공통점
1. 비지도 학습
2. 밀집 표현을 학습
3. 생성모델로 사용 가능

profile
천천히하자

0개의 댓글