머신러닝 :: 딥러닝_전이학습, 순환신경망(RNN), 생성적 적대 신경망(GAN)

딥러닝_전이학습, 순환신경망(RNN), 생성적 적대 신경망(GAN)

---

1. 전이학습(Transfer Learning)

 · 과거에 문제를 해결하면서 축적된 경험(유명한 네트워크들과 같이 미리 학습시킨 모델을 가져오는 등)을 토대로 유사한 문제를 해결하도록 신경망을 학습시키는 방법

 · 학습 속도가 빠르고(빠른 수렴), 상대적으로 적은 데이터셋으로 좋은 결과를 낼 수 있음

※ 출처: https://towardsdatascience.com/a-comprehensive-hands-on-guide-to-transfer-learning-with-real-world-applications-in-deep-learning-212bf3b2f27a

 

2. 순환 신경망(RNN, Recurrent Neural Networks)

 · 은닉층이 순차적으로 연결되어 순환구조를 이루는 인공신경망의 한 종류로 음성, 문자 등 순차적으로 등장하는 데이터 처리에 적합한 모델이다.

 · 길이에 관계없이 입/출력을 받아들일 수 있는 구조로, 다양하고 유연하게 구조를 만들수 있다.

 · 주식이나 암호화폐의 시세를 예측하거나, 사람과 대화하는 챗봇 등의 모델을 만들 수 있다.

※ 출처: https://ratsgo.github.io/natural language processing/2017/03/09/rnnlstm/

 

3. 생성적 적대 신경망(GAN, Generative Adversarial Network)

 · 서로 적대(Adversarial)하는 관계의 2가지 모델(생성 모델과 판별 모델)을 동시에 사용하는 기술.

 · 이 2가지의 모델의 경쟁을 통해 학습하면서 실제와 가까운 결과물을 생성한다. 생성모델(Fake)은 에폭이 지날때마다 더욱 실물과 유사해지며, 이에 따른 판별모델도 손실을 줄여나가며 정교해진다.