전체 글90 [2024-2] 임재열 - GAN(Generative Adversarial Networks), Conditional GAN GAN(Generative Adversarial Networks, 생성적 적대 신경망)은 2014년 Ian Goodfellow 등이 제안한 모델입니다. 해당 논문을 요약하여 모델의 핵심 아이디어를 파악하고, GAN의 한계점을 극복하기 위해 2014년 Mehdi Mirza와 Simon Osindero가 제안한 Conditional GAN 모델도 간단하게 알아보겠습니다. [GAN]https://arxiv.org/abs/1406.2661 Generative Adversarial NetworksWe propose a new framework for estimating generative models via an adversarial process, in which we simultaneously train tw.. 2024. 12. 21. [2024-2] 김영중 - Seq2Seq(Sequence to Sequence Learning with Neural Networks) https://arxiv.org/abs/1409.3215 Sequence to Sequence Learning with Neural NetworksDeep Neural Networks (DNNs) are powerful models that have achieved excellent performance on difficult learning tasks. Although DNNs work well whenever large labeled training sets are available, they cannot be used to map sequences to sequences. In this paparxiv.org Abstract Sequence-to-Sequence(Seq2Seq) 모델은 기존의 순환.. 2024. 12. 21. [2024-2] 황징아이 차원축소 : PCA, SVD, LSA, LDA, MF 1. 차원 축소란?차원의 저주 (Curse of Dimension)는 입력된 데이터의 수보다 데이터의 차원이 더 큰 경우 발생하는 문제입니다. 예를 들어 100개의 데이터 그리고 각 데이터의 차원은 500인 상황이 발생하게 되면 백터 공간의 차원이 무수히 커지고 데이터는 여기저기 흩뿌려지게 됩니다. 모델의 복잡도가 증가하고 예측 성능이 낮아지게 됩니다.차원 축소는 이러한 고차원 데이터를 저차원으로 변환하여 계산 효율을 높이고, 노이즈를 제거하며, 중요한 정보를 유지하면서도 이해하기 쉽게 만들어주는 중요한 기법입니다.Feature Selection : 특정 Feature에 종속성이 강한 불필요한 Feature 제거 우리 목적의 불필요한 Feature를 날림Feature Extraction : 기존 Feau.. 2024. 12. 21. [2024-2] 조환희 YOLO, SSD YOLO (You Only Look Once)R-CNN과 같은 Object dectection 방법은 이미지 안에서 obejct가 존재할만한 region을 추출해내는 과정(region proposal)을 수행한 후에, 추출된 region proposal에서 classification을 수행한다. region proposal 과정을 수행한 뒤, classification을 수행하기 때문에 이런 방법들을 2 stage라고 부른다. 이런 2 stage방법은 구조가 복잡하여 느리고, 각 단계가 각각 학습되기 때문에 최적화가 어렵다는 단점이 있다. YOLO는 2단계를 순차적으로 진행하던 2 stage방법을 1 stage로 바꾼다.다시 말하면 YOLO는 region proposal을 수행한 뒤 classificat.. 2024. 12. 20. 이전 1 2 3 4 ··· 23 다음
