DEEPLEARNING4 딥러닝(Deep Learning) (3) - 생성적 대립 신경망(GAN; Generative Adversarial Network) 5. 생성적 대립 신경망(GAN; Generative Adversarial Network) 생성적 대립 신경망(GAN; Generative Adversarial Netwrok)은 생성기(Generator)와 판별기(Discriminator)가 경쟁하면서 실제와 가까운 이미지, 동영상, 음성 등을 자동으로 만들어 내는 머신러닝(ML) 학습 방식의 하나로서, 두 개의 신경망(생성기와 판별기)을 조합하여 비지도학습(unsupervised learning)을 진행하면서 입력된 데이터와 유사한 데이터를 생성할 수 있는 생성계를 구성하는 시스템입니다. GAN을 이용하면 주어진 이미지 데이터를 사용해 학습을 진행하여 주어진 이미지 데이터와 유사한 새로운 이미지 데이터를 생성하는 이미지 생성계를 얻을 수 있습니다. 참.. 2023. 5. 25. 딥러닝(Deep Learning) (1) - 합성곱 신경망(Convolutional Neural Network) 이제부터는 심층학습 또는 딥러닝(Deep Learning)이라 불리는 머신러닝(Machine Learning)에 대해 공부하고자 합니다. 1. 딥러닝(Deep Learning; DL)이란 딥러닝(Deep Learning)은 신경망을 이용한 머신러닝의 일종입니다. 딥러닝의 학습대상인 신경망은 일반 신경망과 비교해 대규모이며 복잡하다는 특징을 가지고 있습니다. 딥러닝 기술을 활용하면 신경망을 이용한 대규모 학습이 가능해집니다. 딥러닝은 이번 세기에 들어 엄청난 발전을 이루었습니다. 딥러닝이 발전하게 된 여러 가지 배경들을 정리하면 아래 (표 1)와 같습니다. (표 1) 딥러닝의 발전 배경 항 목 설 명 하드웨어 기술의 발전 CPU의 고속화와 멀티코어화, GPU를 일반 계산처리에 이용하는 GPGPU 기술의 발.. 2023. 5. 23. 인공지능(AI)에 적합한 프로그래밍 언어 인공지능은 소프트웨어 기술이기 때문에 인공지능 시스템에는 프로그래밍 언어가 필요합니다. 여기서는 인공지능에 많이 사용되는 대표적인 몇 가지 프로그래밍 언어에 대해 알아보겠습니다. 1. LISP 인공지능 연구에서 많이 사용되는 언어 중 가장 역사가 깊은 언어가 LISP입니다. LISP는 1958년 존 맥카시(John McCathy)가 설계한 것으로 원래는 계산과학에 관한 이론을 기술하기 위해 고안된 언어였는데, 나중에 컴퓨터의 인터프리터(Interpreter: 사람이 작성한 프로그램을 순차적으로 해석해 기계어로 번역하면서 실행하는 프로그램)로 구현되었습니다. 이름은 LIst Processor이며 리스트 처리 기계에서 유래하였습니다. LISP의 특징은 기호처리가 쉽다는 점입니다. LISP와 비슷한 시기에 개.. 2023. 5. 10. 우리 생활 및 산업에 인공지능(AI) 기술 활용 사례 오늘은 우리 주변에서 흔히 접할 수 있는 인공지능(AI) 기술을 활용한 사례들과 기반이 되는 기술들을 간략하게 정리해 보겠습니다. 1. 생활 속 인공지능 기술 응용 사례 1) 스마트폰 음성응답 시트템 전형적인 사례가 애플의 시리(Siri)와 같은 스마트폰 음성응답 시스템입니다. 스마트폰 음성응답 시스템은 자연어로 음성을 입력하면 키워드에 따라 정보를 검색하거나 스마트폰을 조작합니다. 또한 검색 결과나 조작의 결과를 문자나 음성의 형태로 사용자에게 응답합니다. 이러한 처리를 구현하려면 한국어나 영어와 같은 자연어로 입력된 음성을 단어로 인식하는 음성인식(Speech Recognition) 기술과 주어진 지시의 의미를 해석하는 자연어처리 기술이 사용됩니다. 또한 음성으로 응답할 때는 음성합성(Speech S.. 2023. 5. 6. 이전 1 다음 728x90