GAN 네트워크는 무엇을 의미합니까?

브랜드 모델: 화웨이 MateBook D15

시스템: Windows 11

GAN 네트워크는 기계 학습 방법으로, 심도 있는 학습 모델로, 최근 몇 년간 복잡한 분포에서 감독되지 않은 학습의 가장 유망한 방법 중 하나이다. 모델은 프레임 워크에서 (적어도) 두 개의 모듈, 즉 생성 모델 (Generative Model) 과 식별 모델 (Discriminative Model) 의 상호 게임 학습을 통해 상당히 좋은 출력을 생성합니다.

원래 GAN 이론에서는 G 와 D 가 모두 신경 네트워크일 필요는 없습니다. 그에 따라 생성 및 판별을 맞추는 함수만 있으면 됩니다. 그러나 실제로는 일반적으로 깊이 신경망을 G 와 D 로 사용한다. 훌륭한 GAN 응용 프로그램에는 좋은 훈련 방법이 필요합니다. 그렇지 않으면 신경망 모델의 자유성으로 인해 출력이 이상적이지 않을 수 있습니다.

기계 학습의 모델은 크게 두 가지 범주로 나눌 수 있는데, 생성 모델 (Generative Model) 과 식별 모델 (Discriminative Model) 입니다. 모델을 판별하려면 입력 변수가 필요하며 모델을 통해 예측해야 합니다. 모형을 생성하는 것은 관찰 데이터를 무작위로 생성하기 위해 주어진 암시적 정보입니다. 간단한 예를 들어: 모델을 판별하고, 그림을 제시하고, 이 그림의 동물이 고양이인지 개인지 판단한다. 모델 생성, 고양이 사진 시리즈 제공, 새 고양이 생성 (데이터 세트에 없음)

판별 모델의 경우 출력 목표가 비교적 간단하기 때문에 손실 함수를 쉽게 정의할 수 있습니다. 그러나 모형을 생성하기 위해 손실 함수를 정의하는 것은 그리 쉽지 않습니다. 결과 생성에 대한 우리의 기대는 종종 애매하고 수학 공리화 정의가 어려운 패러다임이다. 따라서 모델을 생성하는 피드백 부분을 판별 모델에 넘겨 처리하는 것도 좋습니다. 이것이 바로 Goodfellow 가 기계 학습의 두 가지 주요 모델인 Generative 와 Discrimitive 를 긴밀하게 결합한 것이다.