Teddy Data Blog

GAN(Generative Adversarial Network)데이터를 만들어내는 Generator(생성)와 만들어진 data를 평가하는 Discriminato(식별하는 자)가 서로 대립(Adversarial)적으로 학습해가며 성능을 점차 개선해 나가자는 개념 - Dicriminator를 학습시킬 때 -> D(x)가 1이 되고, D(G(z))가 0이 되도록 학습시킴  (진짜 데이터를 진짜로 판별하고, 가짜데이터를 가짜로 판별할 수 있도록))) 여기서 x는 real data, G(z)는 noise data, fake data 가짜 데이터라고 함. - Generator를 학습시킬 때에는 D(G(z))가 1이 되도록 학습시킴  (가짜 데이터를 discriminator가 구분 못하도록 학습, 헷갈리게) GAN ..

Neural Network가 오버피팅(과적합)이 심하고 학습시간이 오래걸려 잘 안쓰여, SVM이 많이 사용하게 됨. Deep Learning- 오버피팅을 방지하기 위함- 다층의 layer를 통해 복잡한 데이터의 학습이 가능토록 함 (graphical representaion learning)- 알고리즘 및 GPU의 발전이 deep learning의 부흥을 이끔- 다양한 형태로 발전 (CNN, RNN, AutoEncoder 등)- AutoEncoder: X를 가지고 X를 예측(비지도 학습) - 다양한 분야로 발전- Object detection: 이미지를 찾아내고, 이미지를 분류하고, 이미지를 판별하는 것- Image Resolution: 해상도 복원, 저화질을 고화질로 복원, 이미지로 할 수 있는 것을 ..