GAN(Generative Adversarial Networks)

Generator(G), Discriminator(D), Noise(Z)

---

I. 위조 지폐범과 경찰의 대결, GAN의 개요

가. GAN(Generative Adversarial Networks)의 정의

   - 서로 대립하는 Generator, Discriminator 두 개의 네트워크를 만들고 대립 과정에서 훈련 타깃을 생성하는 방법을 알도록 하는 학습 모델

나. GAN의 특징

   - MLP (Multi-Layer Perceptron), Mini-Max Problem

---

II. GAN의 학습 메커니즘 및 구성요소

가. GAN의 학습 메커니즘

- GAN는 생성자(Generator)와 판별자(Discriminator)로 구성

나. GAN의 구성요소

구성요소	세부요소	역할	요소설명
신경망계층	Generator Network	생성자 (위조 지폐범)	- Training Data와 같은 샘플데이터 생성 목표 - min G: 감식자(구별망)을 속이도록 학습
	Discriminator Network	감식자 (경찰)	- 입력된 데이터가 Real인지 Fake인지 판별 - max D: 판별 기능을 높이도록 학습
이론	내쉬 균형 (Nash Equilibrium)	대립	- 생성자와 감식자가 합리적 판단을 하는 수학적 균형점을 찾는다는 이론 - 2개의 신경망이 서로 충돌하며 발생하는 차이점을 수정

- Discriminator를 학습시킨 후 Generator를 학습하는 과정을 반복 수행

---

III. GAN의 확장

종류	설명
Deep Convolutional	- 생성자와 감식자에 CNN을 이용하여 학습시키는 모델
Laplacian GAN	- 이미지의 크기를 다르게 하며 서로 다른 정보를 모아 더 나은 이미지를 생성하는 모델