Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | |
| 7 | 8 | 9 | 10 | 11 | 12 | 13 |
| 14 | 15 | 16 | 17 | 18 | 19 | 20 |
| 21 | 22 | 23 | 24 | 25 | 26 | 27 |
| 28 | 29 | 30 | 31 |
Tags
- iTerm2
- Manager
- GCN
- AI
- jupyter
- DL
- Peephole Connection
- Optimizer
- GoogLeNet
- Gated Skip Connection
- Inception Module
- version
- DCGAN
- Regression
- sigmoid
- Linear
- Bottleneck Layer
- Skip Connection
- virtualenv
- python
- ResNet
- RNN
- classification
- Vanilla RNN
- Inception V1
- Skip Connectioin
- cnn
- Generative
- vim-plug
- Residual Connection
Archives
- Today
- Total
목록vae (1)
IT Repository
(2) VAE (Variational AutoEncoder)
참고. VAE는 이해하기가 수학적으로 조금 까다롭습니다. (정말 어렵습니다 ㅠ) 수학적인 내용을 최소화하면서 설명하나, 기본적인 통계지식은 조금 필요합니다. (여기서는 KL Divergence를 사용하여 VAE를 설명합니다. Jensen's inequality를 사용하여 ELBO를 설명하는 방법도 있으나 이 부분에 대해서는 다루지 않습니다.) Main Idea of VAE¶ 아래는 VAE의 모델구조를 수식학적으로 해석한 내용입니다. 두 개의 독립사건의 확률은 두 사건의 곱으로 표현할 수 있으므로 아래의 수식이 성립합니다. $p_\theta(x) = \displaystyle \int p_\theta(z) \cdot p_\theta (x|z) dz$ ($\theta$는 nn에 있는 파라미터들의 집합) (1)..
Generative/Study
2020. 1. 18. 19:23