KCC 2021
Current Result Document :
| 한글제목(Korean Title) |
표현 학습을 위한 적대적 캡슐 네트워크 |
| 영문제목(English Title) |
Adversarial Capsule Network for Representation Learning |
| 저자(Author) |
이현도
장병탁
Hyundo Lee
Byoung-Tak Zhang
|
| 원문수록처(Citation) |
VOL 48 NO. 01 PP. 1022 ~ 1024 (2021. 06) |
한글내용
(Korean Abstract) |
태스크 일반화는 현재 다양한 머신러닝 연구에 있어 가장 중요한 문제점 중 하나이며, weak AI에서 strong AI로 도약하기 위한 필요조건 중 하나이다. 이를 달성하기 위한 접근방법 중 하나로 시각 정보를 압축하는 과정에서 일반적인 태스크에 사용될 수 있도록 최대한 많은 정보를 보존하는 좋은 표현을 학습하는 방법이 있으며, 좋은 표현을 학습하기 위하여 캡슐 네트워크를 기반으로 한 연구가 진행되고 있다. 본 연구에서는 캡슐 네트워크가 유의미한 표현을 학습할 수 있도록, 사전 확률 분포가 잠재 공간상에서 빈 공간 없이 멀티모달 가우시안 분포를 따르도록 적대적 학습 기법을 사용한 적대적 캡슐 네트워크를 제안한다. 제안하는 모델은 기존 캡슐 네트워크의 출력값과, 멀티모달 가우시안 분포에서 샘플링한 샘플을 구분하는 판별기를 추가하는 간단한 방법으로 캡슐 네트워크의 표현 성능을 높인다. 실험 결과 출력의 분포가 특정 공간상에 집중되어 있던 기존의 캡슐 네트워크와 달리, 잠재 공간 전체에 유의미한 분포를 가지면서 연속적인 분포를 가짐을 확인할 수 있었으며 β-VAE 점수가 약 27% 정도 증가함을 확인할 수 있었다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
