[세미나 발표] GAN

   참조

   Generative Adverserial Networks

머신러닝은 어떤 방법으로 학습을 진행하느냐에 따라 크게 3가지 정도로 분류할 수 있습니다.

GAN은 Supervised Learning에 해당하는 머신러닝 모델입니다.

GAN은 핵심 모델은 두 가지입니다. Generative Model과 Discriminative Model 입니다. Generative Model의 목표는 진짜같은 가짜를 만드는 것이고 Discriminative Model의 목표는 진짜인지 가짜인지 구분하는 것입니다.

 두 모델은 서로를 견제하며 성능을 향상시킵니다.

 우선, Discriminative Model에게 진짜 데이터를 주고 진짜라고 학습하도록 합니다. Generative Model에게는 가짜 데이터를 만들도록 하구요.

Generative Model이 가짜 데이터를 만들면 Discriminative Model에게 가짜 데이터를 주고, 가짜인지 진짜인지 알아맞추도록 합니다.

그러면 Discriminative Model은 가짜 데이터가 진짜인지 가짜인지 판별한 결과를 Generative Model에게 보내줍니다.

 Generative Model은 Discriminative Model에게서 받은 결과를 가지고 더 나은 가짜 데이터를 만들도록 자신을 개선하고, Discriminative Model은 Generative Model이 만든 데이터가 가짜라는 결과를 가지고 자신을 개선합니다.

 이 과정을 반복하면서 서로의 성능을 향상시키는 모델이 Generative Adversarial Networks 입니다.


[요약]