GAN: Generative Adversarial Networks - 동빈나 유튜브 리뷰
리뷰를 리뷰한다.
www.youtube.com/watch?v=AVvlDmhHgC4&list=PLRx0vPvlEmdADpce8aoBhNnDaaHQN1Typ&index=9
1. 확률분포란?
- 확률 변수가 특정한 값을 가질 확률을 나타내는 함수
ex) 주사위를 던졌을 때 나올 수 있는 수를 확률변수 X라고 합시다.
- 확률변수 X는 1,2,3,4,5,6의 값을 가질 수 있습니다
- P(X=1)은 1/6
- P(X=1)=P(X=2)=P(X=3)=P(X=4)=P(X=5)=P(X=6)
2. 이산 확률 분포
-확률변수 X의 개수를 정확히 셀 수 있을 때, 이산확률분포라고 말합니다.
-주사위 눈금 X의 확률 분포는 다음과 같습니다.
3. 연속 확률 분포
-확률변수 X의 개수를 정확히 셀 수 없을 때 연속 확률 분포라 말합니다. (확률 밀도 함수를 이용해 분포를 표현)
-ex) 연속적인 값의 예시 : 키, 달리기 성적
-정규분포(normal distribution) 예시
표준편차란?
4. 이미지 데이터에 대한 확률 분포
- 이미지 데이터는 다차원 특징 공간의 한 점으로 표현된다.
- 이미지의 분포를 근사하는 모델을 학습할 수 있습니다.
- 사람의 얼굴에는 통계적인 평균치가 존재(눈의 길이, 코의 두께 등)할 수 있습니다.
- 모델은 이를 수치적으로 표현할 수 있습니다.
5. 생성모델
- 생성 모델은 실존하지는 않지만 있을 법한 데이터를 생성할 수 있는 모델을 의미합니다. 이때 데이터는 이미지, 오디오, 자연어 문장 등 다양합니다.
8:31