AE (1) 썸네일형 리스트형 Variational AutoEncoder의 이해(feat.딥러닝의 확률 관점의 해석) (Bayesian Theory과 Auto Encoder에 대한 기본적인 이해가 있다는 가정하에 작성되는 글입니다.) 머신러닝,딥러닝에서 Loss에 대한 확률적인 해석. 우리가 알고 있는 classic한 딥러닝 학습과정은 다음과 같습니다. 먼저 학습 데이터를 통해 training DB를 구성하고 $f_\theta(x)$로 표현되는 사용할 모델 구조를 정합니다. DNN,CNN,RNN 등을 예로 들 수 있습니다. 이때 모델의 파라미터 $\theta$는 사용하는 모델에 맞게 결정됩니다. 예를 들어 DNN을 사용한다면 각 층의 W와 b가 파라미터입니다. Loss는 정답인 y와 출력인 $f_\theta(x)$의 다른 정도를 나타내며 Mean Square Error, Cross Entropy 와 같이 다양한 loss.. 이전 1 다음
