메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이영재 (인제대학교) 석경하 (인제대학교)
저널정보
한국데이터정보과학회 한국데이터정보과학회지 한국데이터정보과학회지 제29권 제5호
발행연도
2018.9
수록면
1,155 - 1,167 (13page)
DOI
10.7465/jkdi.2018.29.5.1155

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
대립생성망(generative adversarial networks, GAN)은 실제 자료와 유사한 자료를 만들어주는 생성형 딥러닝(generative deep learning) 모형이다. 2014년에 발표된 이래로 많은 파생 모형들이 개발되어 다양한 분야에 활용되고 있다. 본 연구에서는 성능이 우수하다고 평가된 파생 GAN들을 요약 및 정리하고 성능을 비교하였다. 그리고 GAN의 입력 잠재공간 (input latent space)의 적절한 차원크기를 추정하고 생성자료의 품질을 평가하는 프레쳇 인셉션 거리 (Fréchet Inception distance, FID)와 인셉션 점수(Inception score)의 적절성도 평가하였다. 실험결과 GAN-NS와 LSGAN이 안정적으로 우수한 성능을 보였으며 FID가 더 좋은 측도로 평가되었다. 그리고 잠재공간은 10차원에서도 전형적인 100차원과 차이가 없는 좋은 결과를 보였다.

목차

요약
1. 서론
2. GAN
3. 분석 및 결과
4. 결론 및 제언
References
Abstract

참고문헌 (13)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0