보호되어 있는 글입니다.

CAN(Creative Adversarial Networks) 창의적인 사고를 요하는 예술 분야는 늘 인간만의 영역으로 간주되어 왔고, 또한 사람들이 인공지능이 가장 대체하기 힘들 것이라고 말하는 분야 중 하나이다. 그러나 2017년, 인공지능이 창의적이면서 인간의 예술과 가깝게 그림을 만드는 방법을 제시한 CAN(Creative Adversarial Networks) 제목의 논문이 발표되었다. CAN의 원리첫 번째로, 랜덤 노이즈를 통해 생성자(Generator)가 생성한 새로운 그림이 기존에 인간이 만든 예술 스타일 어디에도 속하면 안 된다. 이를 위해 구별자(Discriminator)가 생성자(Generator)가 만든 그림을 기존에 존재하는 특정한 어떤 스타일로 구별할 수 없게 해야 한다. 이 과..

보호되어 있는 글입니다.

선형 회귀는 범주형 데이터를 대상으로 한 분류 문제에 적합하지 않다. *범주형 데이터란 'A', 'B', 'C'와 같이 종류를 표시하는 데이터를 말한다. 선형 회귀를 사용하여 2진 분류[ex) 성공 or 실패]를 나타낸 그림이다. X축을 노력한 시간, Y축을 합격 확률이라고 한다면, 노력한 시간(X)이 작으면 합격 확률(Y)이 음수가 되는 것을 볼 수 있고, 반대로 노력한 시간(X)이 계속 늘어날수록 합격 확률(Y)도 계속해서, 즉, 무한대로 늘어나는 것을 볼 수 있다. 선형 회귀로 2진 분류 문제를 풀기에는 다소 적절하지 않은 것을 알 수 있다. 로지스틱 회귀에서 쓰이는 함수(시그모이드) 로지스틱 회귀는 인공지능이 2항 분류[ex)합격 or 불합격, 음성 or 양성으로 분류]에 사용한다. 로지스틱 회귀..