📲PROJECT
![[논문읽기] 01. Generative Adversarial Nets : GAN](https://img1.daumcdn.net/thumb/R750x0/?scode=mtistory2&fname=https%3A%2F%2Ft1.daumcdn.net%2Fcfile%2Ftistory%2F99414D3C5CB5E2AF0A)
[논문읽기] 01. Generative Adversarial Nets : GAN
" 생성사(Generator)와 식별자(Discriminator)의 선의의 경쟁 " 0. Abstract 두 명의 플레이어가 하는 "minmax-game"의 형태이다.D는 G의 성능을 minimize하는 것, G는 D가 실수할 확률을 최대화(max)하는 것이 학습 과정이다.최선의 Solution은 G가 기존 training data 분포에서 뽑아내고 D가 식별 할 때, 12로 서로의 성능이 동일하다.전체 과정은 Backpropagation으로 학습 가능하다. 1. Introduction 이전의 생성 모델들은 큰 임팩트가 없었는데, MLE와 다른 관련된 과정에서 발생하는 계산 에 있어서, 계산 불가한 확률 연산이 많아서 추정하기가 어려웠기..
[논문읽기] 계획
논문읽기는 4월부터 시작. 간략한 계획으로는 한 달에 두 편정도. 관심있고, 흥미있는 분야에 대한 논문을 읽고 주로 리뷰나, 정리를 하여 내 머릿속에 집어 넣는 것이 궁극적인 목표 ! 현재 생각하고있는 분야는 GAN, OCR, Object Detection등이다. 사실 논문을 읽는 것은 떠오르는 아이디어를 구현할 수 있는 능력을 기르기 위해서이다. 내가 실전에 이용할 수 있다는 생각이 들면 직접 도전하고 구현할 것이다. 또 궁극적으로는 Kaggle Competition에 도전하는 것이다.