전체 글399 Generative Adversarial Nets 리뷰 목차 0. Abstract 1. Introduction 2. Related work 3. Adversarial nets 4. Theoretical Results 4.1 global optimality of pg=pdata 4.2 Convergence of Algorithm 1 5. Experiments 6. Advantages and disadvantages 7. Conclusions and future work 0. Abstract Adversarial 과정을 통해 생성모델을 평가하는 새로운 프레임워크를 제안 두 개의 분리된 모델을 동시에 학습 - Generative model G(생성기): 데이터의 분포를 학습하는 모델 - Discriminative model D(판별기): 샘플이 G에서 온게 아니고.. 2022. 7. 4. Conditional Generative Adversarial Nets 리뷰 목차 0. Abstract 1. Introduction 2. Related work 2.1 Multi-modal learning for image labeling 3. Conditional Adversarial Nets 3.1 Generative Adversarial Nets 3.2 Conditional Adversarial Nets 4. Experimental Results 4.1 Unimodal 4.2 Multimodal 5. Future Work 0. Abstract Generative Adversarial Nets에 조건을 추가한 조건부버전 (G와 D에 조건을 지정하는 데이터 y를 공급) 1. Introduction GAN 생성모델을 훈련하여 난해한 확률적 계산 근사 어려움 해결의 대안 장점 - .. 2022. 6. 24. 머신러닝 프로세스 머신러닝을 진행하기 전에 전체적인 과정이 어떻게 진행되는지 알아야 계획을 수립하기 좋다 1. 문제파악(Problem) 배경 이해 분석 목표 확인 분석 일정 수립 데이터 다운로드 2. 데이터 탑색(EDA) 데이터 탐색(외부 데이터도 탐색 필요) 데이터 이상 유무 확인 - 결측값 파악, 이상치 파악 등 데이터 구조 및 특성 파악 - 데이터 분포, 상관관계 등 3. 데이터 전처리(Preprocessing) 모델 학습이 가능한 형태로 데이터를 정리 - 데이터 결합, 결측값 처리, 이상치 처리, 데이터 변환, 범주형 변수 인코딩, 속성 추가 제거 등 4. 모델 학습(Modeling) 모델 학습을 위한 훈련 데이터/모델 성능평가를 위한 검증 데이터 분할 알고리즘 선택 모델링 hyperparameter 튜닝 성능평가.. 2022. 6. 17. 이전 1 ··· 64 65 66 67 다음 728x90
