인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
GAN(generative adversarial network)의 등장으로 생성모델 분야의 획기적 발전이 이루어졌지만 학습 시의 불안정성은 해결되어야 할 가장 큰 문제로 대두되고 있다. 최근에 제안된 WGAN(Wasserstein GAN)은 학습 안정성이 개선되어 GAN의 대안이 되고 있으나, 여전히 수렴이 안되거나 엉뚱한 출력물을 생성하는 등의 경우가 발생한다. 이러한 문제는 분별기 함수가 립쉬츠 연속을 얼마나 정확하게 유지할 수 있느냐에 달려 있다고 보는 것이 중론이다. 이에 대한 대표적인 알고리즘으로 분별기의 가중치를 강제로 클리핑하거나 경사벡터의 크기가 1이 되도록 정칙화시켜 학습하는 방안 등이 제안되었으나 많은 한계를 보인다. 본 논문에서는 분별기 함수의 경사벡터 크기를 1 이하로 제한함으로써 학습데이터에 별 영향을 받지 않고 안정적으로 분별기 함수의 립쉬츠 연속을 유지하는 기법을 제안하고, 다양한 실험을 통하여 제안 기법의 성능을 확인한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
