[Open DMQA Seminar] Various Generative Models

Discriminative model의 경우 직접적으로 타겟을 학습하는 것이 어려운 많은 상황이 존재하며, 이러한 경우 타겟과 학습 데이터의 결합 분포를 근사하여 생성하는 generative model이 활용된다. 최근에는 generative model에 해당하는 GAN과 diffusion model 등의 혁신으로 예술, 음악 등의 작품을 AI를 이용해서 생성하는 것이 가능해졌다. 본 세미나에서는 generative model 중, GMM, HMM, LDA, RBM, GAN 등의 모델을 알아보고 분석하여 어떤 상황에서 어떤 모델을 선택하는 것이 좋을지 알아보고자 한다.
참고자료 :
[1] Harshvardhan, G. M., Gourisaria, M. K., Pandey, M., & Rautaray, S. S. (2020). A comprehensive survey and analysis of generative models in machine learning. Computer Science Review, 38, 100285.
[2] Likas, A., Vlassis, N., & Verbeek, J. J. (2003). The global k-means clustering algorithm. Pattern recognition, 36(2), 451-461.
[3] LeCun, Y., Chopra, S., Hadsell, R., Ranzato, M., & Huang, F. (2006). A tutorial on energy-based learning. Predicting structured data, 1(0).

[@bktsys]

기존의 연구를 잘 정리해주셔서 감사합니다. 소개되는 알고리즘을 그 당시에 배울때는 정말 힘들었는데 이미 박물관에 있는것 같은 느낌이네요 ㅎㅎ