AI를 위한 필수 수학

324

AI

를 위한 필수 수학

생성 모델은 마르코프 체인 프레임워크를 기반으로 하는데, 이는 수렴하기까지 매우 오래 걸려

실용적인 애플리케이션에는 잘 사용되지 않는다. 암시적 밀도 모델의 접근법을 사용하면 모델

은 기존 샘플을 확률적으로 변환하여 동일한 분포에서 다른 샘플을 얻는다. 적대적 생성 모델

generative

adversarial

network

은 모델의 확률 분포를 명시적으로 정의하지 않고 간접적으로 상호 작용

한다. 적대적 생성 모델은 두 신경망 간의 제로섬 게임을 설정하여 학습시킨다. 한 신경망은 샘

플을 생성하는 생성기 역할을 하며 다른 신경망은 생성된 샘플이 올바른 분포에서 나온 것인지

아닌지를 판단하는 분류기 역할을 한다.

8.6

추적 가능한 명시적 밀도: 믿을 수 있는 가시적인 신경망

명시적인 모델은 추적 가능한 로그 가능도 최적화와 함께 명시적 확률 밀도 함수를 갖게 된다.

여기서는 확률의 연쇄 법칙에 의해 결합 확률 분포

px

model

v

Q

V

를

1

차원 확률 분포들의 곱으로 분

해한다.

,,,p xxx p xx

mod model el ii 121

g

=

-

n

i 1=

v

Q

Q

V

V

%

한 가지 큰 단점은 샘플을 한 번에 하나의 구성 요소 (이미지의 한 픽셀, 단어의 한 문자, 이산

오디오 파형의 한 항목 )만 생성해야 하므로 하나의 샘플을 생성하는 데

O