October 2024
Beginner to intermediate
340 pages
7h 38m
Korean
Content preview from 밑바닥부터 시작하는 딥러닝 5
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
Start your free trial
241
8
장
확산 모델 이론
과 [식
8
.
12
]를 비교해보면 와
x
0
이 대응한다는 사실을 알 수 있습니다. 또한 이 경우
KL
발산은 다음과 같이 계산할 수 있습니다.
KL
발산이 손실 함수가 되므로 이 식에서 손실 함수는 와
x
0
의 제곱 오차로 표현됩니
다. 그래서 는
x
0
을 학습 데이터로 삼아 동일한 출력이 나오도록 학습합니다. 즉, 이
번 신경망에서 수행하는 처리는 [그림
8
-
15
]와 같습니다.
그림
8-15
x
0
을 학습 데이터로 사용하는 확산 모델
NN
학습 데이터
그림에서 보듯 데이터
x
t
와 시각
t
를 입력받아 노이즈가 없는 원본 데이터인
x
0
을 복원하는 신
경망입니다.
8.6.3
노이즈를 예측하는 신경망
또 다른 형태의 신경망도 생각해볼 수 있습니다. 이 신경망은
q
(
x
t
|
x
0
)
을 다음 식으로 표현합
니다.
그리고
q
(
x
t
|
x
0
)
의 샘플은 다음 식으로 표현된다는 사실을 이용합니다.
242
밑바닥부터 시작하는 딥러닝 5
이로부터 다음 식이 성립합니다.
이어서 이 식을 [식
8
.
11
]에 대입하여 전개합니다.
이 식에 대응하도록 를 다시 작성하면 다음과 같습니다.
여기서 는 신경망의 ...