|
:: 게시판
:: 이전 게시판
|
- 모두가 건전하게 즐길 수 있는 유머글을 올려주세요.
- 유게에서는 정치/종교 관련 등 논란성 글 및 개인 비방은 금지되어 있습니다.
통합규정 1.3 이용안내 인용"Pgr은 '명문화된 삭제규정'이 반드시 필요하지 않은 분을 환영합니다.법 없이도 사는 사람, 남에게 상처를 주지 않으면서 같이 이야기 나눌 수 있는 분이면 좋겠습니다."
18/01/17 10:48
adversarial example이라고 실제 딥러닝 분야에서 뜨고있는 연구 꼭지 중 하나입니다. 저런 예외를 잘 처리 할 수록 알파고를 실생활에서 볼 날이 가까워 지겠죠
18/01/17 11:17
진짜 재밌긴하더군요. 아직 구현단계까지는 안 간 기술같은데, 자꾸 어려운 문제를 만들어내서 이거에 대응가능한 능력을 만들어주는 기술 맞죠?
한쪽은 속이려 하고, 다른쪽은 맞추려 하고... 구현하는 쪽 입장에서는 머리 아픕니다만.. 이론 하는분들이 잘 알려 주시겠죠.
18/01/17 18:34
하린님이 말씀하신 건 티모대위님이 말씀하신 것과 개별적으로 몇 년 전에 제시된 것들이고 티모대위님이 말씀하신 건 조금 관련이 있는 개념을 다른 맥락에서 구현한 모델입니다. 둘 다 구현은 되었습니다.
좀 더 차이점을 부연설명하자면 위의 것은 분류기의 맹점을 드러내주는 (사람이 보았을 때) 얼토당토 않은 샘플을 만들어내는 것이 목적이고 티모대위님이 말씀하신 건 분류기를 (가능하면 사람까지도) 속이기 위한 정교한 샘플을 만들어 내는 것이 목적입니다.
18/01/17 19:12
오 잘 이해되네요. 감사합니다.
혹시 두 모델에 대한 대표적인 논문이 뭐가 있을까요? 논문 제목이 기억이 안나신다면 저자 이름과 소속 기관(학교)라도...
18/01/17 19:21
여러편이 있을텐데 Ian Goodfellow 걸로만 가져오면 첫 번째 내용은 https://arxiv.org/abs/1412.6572
두 번째 내용은 http://papers.nips.cc/paper/5423-generative-adversarial-nets을 보시면 됩니다.
18/01/17 19:30
감사합니다!
ICLR이네요. 이론 논문을 잘 안보다 보니.... 이론을 잘 몰라도 이안 굳펠로우는 익숙한 이름이긴 하지만요. 워낙 대가라... 잘 읽어보겠습니다!
18/01/17 10:51
어떤품목이 인간들이 많이 깨트리고 훔쳐가는걸 예측하기 기하급수적으로 어렵지않을까요?
자연재해도있을것이고 광고한번 대박날수도있을것이고. 상어가 해저케이블을 치실로 쓸수있을것이고. 코끼리가 식당를 부술수있을것이고.
18/01/17 11:20
품목 초기 세팅할 때 아이템 특성, 카테고리을 입력해 주긴하니까요. 이 카테고리에 의해서 망실율이 높은 품목은 망실율 오차를 크게 잡아준다던지해서 지속적으로 보정해주는 방식으로 가야겠죠.
말씀하신 이레귤러한 상황은 예측불가능한 케이스라 어쩔수 없는거구요. 그건 사람이 하더라도 예측 불가한 상황이잖아요.
18/01/17 11:24
매장에 제품을 늘어놓기보단
매장에는 샘플만 있고 주문서 작성하면 매대에서 자동으로 새로 포장해서 주는 방향으로 가지 않을까요. 근데 그럴거면 애초에 매장에 올 필요가 없지 않나 싶기도 하고...
18/01/17 12:57
바나나로 인식하다가 (초록색 바가 압도적) 어떤 종이한장이 올라가자마자 다른 것으로 인지(빨간색 바가 압도적)하고 있습니다.
18/01/17 18:38
Adversarial example 이야기에서 activation 값을 보여줄 때에는 반드시 activation function도 같이 제시해야 한다고 봅니다.
이런 자료의 대부분은 softmax 함수를 써서 최종 값을 만들어 내던데 softmax 함수 그 특성상 맞든 틀리든 저런 식으로 나오기 쉽죠. 더군다나 softmax는 분류를 위해 사용하는 함수도 아닙니다 학습을 위해 사용하는 함수이지...
18/01/17 21:27
아뇨 그런 건 아니고 softmax 함수를 쓰면 그 특성상 출력의 합이 1로 고정되고 exponential 항 때문에 값 중에 비교적 큰 값을 가지는 출력이 과장되고 반대로 값이 작은 출력은 더 작아지기 때문에 저런 영상에서 분류기가 99.9%의 확신을 가지고 토스터로 인식했다 라는 표현이 자주 사용되는 것은 약간 과장이 들어가있다는 뜻이며 더욱이 softmax 함수는 학습 과정에서 유용하게 쓰이나 실제 분류과정에서 그 결과의 신뢰도나 확률(ex. 99.9%로 토스터입니다)을 계산하는데 쓰기에 그리 적절한 함수는 아니라는 뜻이었습니다. 영상을 보시면 애매모호하게 판별하는 경우는 없고 틀리든 맞든 한 분류의 값이 매우 크며 그 값들의 합이 1이 되도록 변하는 것을 확인하실 수 있을텐데 아마 softmax 함수를 썼을 것입니다.
요약하자면 기계학습 결과가 영상과 같은 요인에 의해 틀릴 수 있다 - 인정 기계학습이 99.9%로 호언장담한 결과가 틀렸다 - 과장이 좀 들어가있다 정도입니다.
|
||||||||||||||