코넬 CS 6785 GAN 심화 정리: f-다이버전스, BiGAN, 사이클GAN과 학습 불안정성
코넬대 심층 생성 모델 강의가 GAN의 불안정성과 확장을 다룬다. 기울기 소실과 모드 붕괴가 왜 생기는지, f-다이버전스로 목적함수를 넓히는 f-GAN과 잠재변수 추론용 BiGAN, 짝 없는 도메인 변환을 푸는 사이클GAN을 정리했다.
핵심 내용 읽기 →
AI TOPIC
머신러닝 강의 최신 뉴스와 핵심 해설
머신러닝 강의 관련 핵심 뉴스와 활용 인사이트 12편을 최신순으로 모았습니다.
최대우도 학습 정리: 코넬 CS 6785 생성 모델 강의로 보는 KL 발산과 몬테카를로 추정
코넬대 심층 생성 모델 강의 4강 정리. 두 분포의 가까움을 재는 KL 발산에서 출발해 기대 로그우도를 끌어내고, 몬테카를로 추정과 미니배치 경사하강으로 이어지는 생성 모델 학습의 원리를 차근히 짚어 나간다.
핵심 내용 읽기 →
에너지 기반 모델과 MCMC 학습법 정리 — 코넬대 심층 생성 모델 강의 11강 요약과 핵심 개념 해설
코넬대 심층 생성 모델 강의가 다루는 에너지 기반 모델을 정리했다. 정규화 상수를 포기해 얻는 표현의 자유와 그 대가, 이징 모델과 볼츠만 머신, 그리고 MCMC를 이용한 대조 발산 학습까지 차례로 짚는다.
핵심 내용 읽기 →
정규화 흐름(Normalizing Flow) 원리 정리: 변수변환 공식과 야코비 행렬식으로 만드는 생성모델
코넬대 딥 생성모델 강의가 자기회귀 모델과 잠재변수 모델의 장단점을 비교하고, 변수변환 공식과 야코비 행렬식을 이용해 정확한 우도 계산이 가능한 정규화 흐름을 단계별로 유도하는 과정과 이 모델에 남은 설계 과제를 함께 정리했다.
핵심 내용 읽기 →
셀프 어텐션 원리 쉽게 이해하기: 가중평균에서 쿼리·키 행렬까지 짚은 트랜스포머 입문 강의
트랜스포머 강의 시리즈의 첫 편이 셀프 어텐션을 가중평균이라는 한 가지 개념으로 풀어낸다. 단어 벡터에 문맥 정보를 더하는 과정과 쿼리·키 행렬이 왜 필요한지를 짧은 예문 하나로 차근차근 따라가며 설명한다.
핵심 내용 읽기 →
스코어 기반 생성모델 강의 정리: 분할함수 없이 학습하는 방법과 랑주뱅 동역학, 확산모델의 토대
코넬대 CS 6785 12강은 에너지 기반 모델의 분할함수 문제를 피하는 스코어 함수 학습법을 설명한다. 피셔 발산과 슬라이스·디노이징 스코어 매칭, 랑주뱅 동역학과 다중 노이즈 전략까지 강의 흐름대로 정리했다.
핵심 내용 읽기 →
생성모델 결합 강의 정리 — 자기회귀·VAE·플로우·GAN·확산모델을 섞는 다섯 가지 방법
코넬대 CS 6785 마지막 강의는 자기회귀 모델과 VAE, 정규화 플로우, GAN, 확산모델을 서로 결합해 온 연구들을 훑는다. 표현을 합치는 길과 목적함수를 바꾸는 길, 그리고 잠재변수가 무시되는 고질적 실패까지 한 자리에 놓는다.
핵심 내용 읽기 →
REINFORCE와 검블 소프트맥스: 이산 생성 모델의 미분 불가 문제를 푸는 두 가지 방법
텍스트·그래프·DNA 서열처럼 이산적인 데이터에서는 재매개변수화 기법이 통하지 않는다. 코넬대 심층 생성 모델 강의가 제시한 REINFORCE와 제어 변량, 그리고 검블 소프트맥스라는 두 갈래 해법을 정리했다.
핵심 내용 읽기 →
심층 생성 모델 입문 정리 — 코넬대 CS 6785 1강이 설명하는 판별 모델과의 차이
코넬대 쿨레쇼프 교수의 심층 생성 모델 강의 첫 시간을 정리했다. 판별 모델과의 근본적 차이, 규칙 기반 그래픽 엔진과 학습 기반 생성의 대비, 모든 생성 알고리즘을 이루는 세 가지 구성 요소를 짚는다.
핵심 내용 읽기 →
확산 모델 원리 정리: 스코어 함수와 랑주뱅 동역학으로 다시 읽는 생성 AI의 작동 방식
이미지 생성 AI의 표준이 된 확산 모델을 '스코어 함수' 관점에서 풀어낸 MIT 강연을 정리했다. 정규화 상수 문제를 피하는 원리부터 다중 잡음 수준 설계, 조건부 생성 분해, 확률흐름 ODE와 우도 계산까지 차례로 짚는다.
핵심 내용 읽기 →
스테이블 디퓨전 동작 원리 정리: 확산 과정, 분류기 없는 가이던스, 잠재 공간까지
이미지 생성 모델 스테이블 디퓨전을 파이토치만으로 직접 구현하며 해설한 강의를 정리했다. 잡음을 더하고 걷어내는 확산 과정, 프롬프트를 반영하는 분류기 없는 가이던스, 계산량을 줄이는 잠재 공간이 핵심이다.
핵심 내용 읽기 →
임베딩·대조학습·시맨틱 검색과 RAG까지, 스탠퍼드 CS229 표현학습 강의 핵심 정리
스탠퍼드 CS229 강의가 이미지와 텍스트를 벡터로 바꾸는 임베딩 학습 원리를 설명한다. 라벨 없이 배우는 대조학습, 어려운 음성 쌍 찾기, 벡터 검색과 RAG까지 강의의 핵심 흐름을 차례로 정리했다.
핵심 내용 읽기 →