핸즈온 머신러닝(2판): 사이킷런, 케라스, 텐서플로 2를 활용한 머신러닝, 딥러닝 완벽 실무

674

2

부

신경망과 딥러닝

예측하기, (다른 모델 훈련을 위한 ) 데이터 증식, (텍스트, 오디오, 시계열 같은 ) 여러 다른 종

류의 데이터 생성, 다른 모델의 취약점을 식별하고 개선하기 등에 널리 사용됩니다.

오토인코더와

GAN

은 모두 비지도 학습이며, 둘 다 밀집 표현을 학습하고 생성 모델로 사용할

수 있습니다. 이 둘은 비슷한 애플리케이션이 많지만 작동 방식은 크게 다릅니다.

•

오토인코더는 단순히 입력을 출력으로 복사하는 방법을 배웁니다. 간단한 작업처럼 보이지만 다양한 방법

으로 네트워크에 제약을 가해 이 작업을 오히려 어렵게 만듭니다. 예를 들어 잠재 표현의 크기를 제한하거

나

2

입력에 잡음을 추가하고 원본 입력을 복원하도록 네트워크를 훈련할 수 있습니다. 이런 제약은 오토인

코더가 단순히 입력을 출력으로 바로 복사하지 못하도록 막고 데이터를 효율적으로 표현하는 방법을 배우

게 만듭니다. 간단히 말해 코딩은 일정 제약 조건하에서 항등 함수

identity

function

를 학습하려는 오토인코더

의 노력으로 생겨난 부산물입니다.

• GAN

은 신경망 두 개로 구성됩니다.

생성자

generator

는 훈련 데이터와 비슷하게 보이는 데이터를 생성합니

다.

판별자

discriminator

는 가짜 데이터와 진짜 데이터를 구별합니다. 이 구조는 신경망이 훈련하는 동안 ...