1 |
1
생성적 적대 신경망 장치에 의해 수행되는 생성적 적대 신경망 방법으로서,노이즈와 맵핑된 생성기 로스(Generator loss)를 이용하여 제1 메모리에 저장된 노이즈(Noise)로부터 재사용 노이즈를 추출하되, 상기 노이즈와 맵핑된 생성기 로스를 크기 순서대로 정렬하고 상기 정렬된 생성기 로스에 따라 재사용 노이즈를 추출하는 단계; 및상기 추출된 재사용 노이즈와 제2 메모리에 저장된 실제 데이터를 이용하여 생성적 적대 신경망(Generative Adversarial Networks) 기반으로 학습하는 단계를 포함하는 학습 안정화를 위한 생성적 적대 신경망 방법
|
2 |
2
제1항에 있어서,상기 학습에 따라 상기 재사용 노이즈와 맵핑된 생성기 로스를 업데이트하는 단계를 더 포함하는 학습 안정화를 위한 생성적 적대 신경망 방법
|
3 |
3
제1항에 있어서,상기 생성적 적대 신경망 장치에 구비된 프로세서는 사용자로부터 배치 크기(Batch size)와 경험 수(experience number)를 입력받아, 상기 제1 메모리에 저장되는 노이즈의 배치 크기(Batch size)와 상기 재사용 노이즈의 개수를 나타내는 경험 수(experience number)를 설정하는 단계를 더 포함하는 학습 안정화를 위한 생성적 적대 신경망 방법
|
4 |
4
제1항에 있어서,학습 초기에 노이즈의 배치 크기만큼 가우시안 분포로부터 노이즈를 추출하여 상기 제1 메모리에 저장하는 단계를 더 포함하는 학습 안정화를 위한 생성적 적대 신경망 방법
|
5 |
5
제4항에 있어서,학습 초기에 상기 추출된 노이즈와 맵핑되는 생성기 로스를 임의의 절대치로 초기화하여 상기 제1 메모리에 저장하는 단계를 더 포함하는 학습 안정화를 위한 생성적 적대 신경망 방법
|
6 |
6
삭제
|
7 |
7
제1항에 있어서,상기 학습하는 단계는, 상기 추출된 재사용 노이즈를 이용하여 상기 저장된 실제 데이터에 근사한 근사 데이터를 생성하는 단계; 및상기 실제 데이터 또는 상기 생성된 근사 데이터 중에서 어느 하나의 데이터를 이용하여 생성적 적대 신경망 기반으로 학습하는 단계를 포함하는 학습 안정화를 위한 생성적 적대 신경망 방법
|
8 |
8
제1항에 있어서,학습마다 상기 노이즈의 배치 크기에서 재사용하고자 하는 노이즈의 경험 수의 차이만큼 가우시안 분포에서 노이즈를 추출하여 상기 제1 메모리에 추가하는 단계를 더 포함하는 학습 안정화를 위한 생성적 적대 신경망 방법
|
9 |
9
제8항에 있어서,상기 추가된 노이즈와 맵핑되는 생성기 로스는 임의의 절대치로 초기화되는 학습 안정화를 위한 생성적 적대 신경망 방법
|
10 |
10
제1항에 있어서,상기 생성기 로스는, 상기 제1 메모리에 저장된 노이즈가 적어도 한번은 학습에 사용되도록 노이즈별로 설정되는 학습 안정화를 위한 생성적 적대 신경망 방법
|
11 |
11
제1항에 있어서,상기 제1 메모리는, 상기 재사용 노이즈의 생성기 로스가 나머지 노이즈의 생성기 로스를 초과하더라도 기설정된 재사용 조건이 만족되면 상기 재사용 노이즈를 제거하는 큐 구조를 가지는 학습 안정화를 위한 생성적 적대 신경망 방법
|
12 |
12
노이즈 및 상기 노이즈와 맵핑된 생성기 로스를 저장하는 제1 메모리; 실제 데이터를 저장하는 제2 메모리; 및상기 제1 메모리 및 상기 제2 메모리와 연결되는 프로세서를 포함하고, 상기 프로세서는 노이즈와 맵핑된 생성기 로스(Generator loss)를 이용하여 제1 메모리에 저장된 노이즈(Noise)로부터 재사용 노이즈를 추출하되, 상기 노이즈와 맵핑된 생성기 로스를 크기 순서대로 정렬하고 상기 정렬된 생성기 로스에 따라 재사용 노이즈를 추출하고, 상기 추출된 재사용 노이즈와 제2 메모리에 저장된 실제 데이터를 이용하여 생성적 적대 신경망(Generative Adversarial Networks) 기반으로 학습하는 학습 안정화를 위한 생성적 적대 신경망 장치
|
13 |
13
제12항에 있어서,상기 프로세서는 상기 학습에 따라 상기 재사용 노이즈와 맵핑된 생성기 로스를 업데이트하는 학습 안정화를 위한 생성적 적대 신경망 장치
|
14 |
14
제12항에 있어서,상기 프로세서는, 사용자로부터 배치 크기(Batch size)와 경험 수(experience number)를 입력받아, 상기 제1 메모리에 저장되는 노이즈의 배치 크기(Batch size)와 상기 재사용 노이즈의 개수를 나타내는 경험 수(experience number)를 설정하는 학습 안정화를 위한 생성적 적대 신경망 장치
|
15 |
15
제12항에 있어서,상기 프로세서는, 학습 초기에 노이즈의 배치 크기만큼 가우시안 분포로부터 노이즈를 추출하여 상기 제1 메모리에 저장하는 학습 안정화를 위한 생성적 적대 신경망 장치
|
16 |
16
제15항에 있어서,상기 프로세서는, 학습 초기에 상기 추출된 노이즈와 맵핑되는 생성기 로스를 임의의 절대치로 초기화하여 상기 제1 메모리에 저장하는 학습 안정화를 위한 생성적 적대 신경망 장치
|
17 |
17
삭제
|
18 |
18
제12항에 있어서,상기 프로세서는, 상기 추출된 재사용 노이즈를 이용하여 상기 저장된 실제 데이터에 근사한 근사 데이터를 생성하고, 상기 실제 데이터 또는 상기 생성된 근사 데이터 중에서 어느 하나의 데이터를 이용하여 생성적 적대 신경망 기반으로 학습하는 학습 안정화를 위한 생성적 적대 신경망 장치
|
19 |
19
제12항에 있어서,상기 프로세서는, 학습마다 상기 노이즈의 배치 크기에서 재사용하고자 하는 노이즈의 경험 수의 차이만큼 가우시안 분포에서 노이즈를 추출하여 상기 제1 메모리에 추가하는 학습 안정화를 위한 생성적 적대 신경망 장치
|
20 |
20
제19항에 있어서,상기 추가된 노이즈와 맵핑되는 생성기 로스는 임의의 절대치로 초기화되는 학습 안정화를 위한 생성적 적대 신경망 장치
|
21 |
21
제12항에 있어서,상기 생성기 로스는, 상기 제1 메모리에 저장된 노이즈가 적어도 한번은 학습에 사용되도록 노이즈별로 설정되는 학습 안정화를 위한 생성적 적대 신경망 장치
|
22 |
22
제12항에 있어서,상기 제1 메모리는, 상기 재사용 노이즈의 생성기 로스가 나머지 노이즈의 생성기 로스를 초과하더라도 기설정된 재사용 조건이 만족되면 상기 재사용 노이즈를 제거하는 큐 구조를 가지는 학습 안정화를 위한 생성적 적대 신경망 장치
|
23 |
23
학습 안정화를 위한 생성적 적대 신경망 방법을 컴퓨터에 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체에 있어서, 노이즈와 맵핑된 생성기 로스(Generator loss)를 이용하여 제1 메모리에 저장된 노이즈(Noise)로부터 재사용 노이즈를 추출하되, 상기 노이즈와 맵핑된 생성기 로스를 크기 순서대로 정렬하고 상기 정렬된 생성기 로스에 따라 재사용 노이즈를 추출하는 단계; 및상기 추출된 재사용 노이즈와 제2 메모리에 저장된 실제 데이터를 이용하여 생성적 적대 신경망(Generative Adversarial Networks) 기반으로 학습하는 단계를 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|