์ง๋ ํฌ์คํธ์์ GAN์ ์ํคํ ์ฒ๋ถ๋ถ์ ์ดํด๋ณด์๊ณ ์ด๋ฒ์๋ ์ํ์ ์ผ๋ก ์ GAN์ด ์ ๋์ํ๋์ง์๋ํด ์ฆ๋ช ํ๋ ๋ถ๋ถ๊ณผ ์คํ๊ฒฐ๊ณผ ๋ฐ ๊ฒฐ๋ก ์๋ํด์ ๋ง๋ฌด๋ฆฌํด๋ณด๊ฒ ๋ค.
2014๋ Ian. j. Goodfellow์์ํด ๋ฐํ๋ ์๋ก์ด ๋ฐฉ์์ Generative trainning framework ์ด๋ค. ๋ชจ๋ธ ์ํคํ ์ฒ๋ ์ฝ๋๋ฅผ ๋ณด๋ฉด ์ ๋ง ๋จ์ํ์ง๋ง ๊ทธ ์๋ฆฌ์๊ดํ ์ด๋ก ์ ์ ๋๋ก ๋จ์ํ์ง ์๊ณ ๋งค์ฐ ์ฌ์คํ๋ฉฐ ์ด๋ ต๋ค. 3๋ง๋ฒ์ด ๋๊ฒ ์ธ์ฉ๋์์ผ๋ฉฐ ์ฌ๋ฌ ํ์์๋ฆฌ์ฆ๊ฐ ๊ณ์ํด์ ๋์ค๋ ๋งค์ฐ ๊ทผ๋ณธ์๊ณ ์ธ๊ธฐ์๋ ๋ ผ๋ฌธ์์ด ํ๋ฆผ์๋ค.
Full Citation: โArjovsky, Martin, Soumith Chintala, and Lรฉon Bottou. โWasserstein generative adversarial networks.โ International conference on machine learning. PMLR, 2017.โ
Link to Paper: https://arxiv.org/pdf/1701.07875.pdf
Conference Details: PMLR 2017
์ฌ๋ฌ๊ฐ์ง NLP process ์ค ํ๋์ด๋ฉด์ ์ ๋ง ์ค์ํ Relation Classification(Relation Extraction)์ Convoluton filter๋ฅผ ์ด์ฉํ์ฌ ํด๊ฒฐํ๋ ๋ฐฉ๋ฒ์ ์ ์ํ๋ ๋ ผ๋ฌธ์ด๋ค.
Docker์ ๋ํ ์ค๋ช ์ ์๋ตํ๊ณ ์ค๋ก์ง ์๊ฒฉ ์ ์ ํ๋ ๋ฐฉ๋ฒ์ ๋ํด์๋ง ๊ธ์ ์ธ ์์ ์.
SSH๋ Docker์ ๋ํ ์ค๋ช ์ ์๋ ์ฐธ๊ณ ์ฌ์ดํธ๊ฐ์ ๋ณด๊ณ ์ค์๊ธธ ๋ฐ๋.
๊ทธ๋ฆฌ๊ณ MAC ๊ธฐ์ค ์ค๋ช ์. ์๋์ฐ๋ ๊ฐ๋ค.
์ง๋ ํฌ์คํธ์์ CapsNet์ ๋์์๋ํด ์ดํด๋ณด์๋๋ฐ ์ด๋ฒ ํฌ์คํธ์์ CapsNet์ด ์ผ๋ง๋ ์ผ์ ์ํ๋๊ฐ์๋ํ ๋ถ๋ถ์ ์ดํด๋ณด๋๋ก ํ๊ฒ ๋ค.
์ง๋ post์์๋ CNN์ ํน์ง๊ณผ ๋จ์ ์ ๋ํด ์ ๋ฆฌ๋ฅผ ํด๋ณด์๋๋ฐ ์ด๋ฒ ํฌ์คํธ์์๋ ๋ณธ๊ฒฉ์ ์ผ๋ก Capsule Network(์ดํ CapsNet)์ ๋ํด์ ์ ๋ฆฌ๋ฅผ ํด๋ณด๋๋ก ํ๊ฒ ๋ค.
2017๋ Google Brain์ Geoffrey E. Hinton์ด ๋ฐํํ Object Recognition ๋ถ์ผ์ ์๋ก์ด ์ ๊ทผ๋ฐฉ๋ฒ์ ์ ์ํ ๋ ผ๋ฌธ์ด๋ค. ๊ธฐ์กด์ Object Recognition๋ชจ๋ธ๋ค์ Convolution Network๋ฅผ ๊ธฐ๋ฐ์ผ๋ก ์ค๊ณ๋์ด์๋ค. Convolution Network๋
feature extracting - maxpooling๋ก ์ด๋ฃจ์ด์ ธ์๋ค. ์ฌ๊ธฐ์maxpooling์ ๋ฌธ์ ์ ์ ์ง์ ํ๋ฉฐ ์๋ก์ด ๊ธฐ๋ฒ์ ์ ์ฉ์ํค๋๋ฐ ๊ทธ๊ฒ์ด ๋ฐ๋ก Capsule ๊ฐ์ routing by agreement ์ด๋ค. ์ฐจ๊ทผ์ฐจ๊ทผ ๋ฆฌ๋ทฐ๋ฅผ ํด๋ณด๋ก ํ๊ฒ ๋ค.
์ง๋ NHIS์ ์ฒ๋ฆฌ ์ ์ด์ด์ DNN์ ์ด์ฉํ ๋น๋จํ์ ์์ธก์ ํด๋ณด์๋ค. ๊ทธ ์ ์ ๋ฐ์ดํฐ์ ๋ํด ๊ฐ๋ตํ ์์ฝํ๋ฉด
926582 x 44์ฌ์ด์ฆ์ ๋ฐ์ดํฐTarget
- 0 : ์ ์ 62%
- 1 : ์ ๋น๋จ 30%
- 2 : ๋น๋จ 8%
multi class classier ๋ฌธ์ ์ด๋ฉฐ imbalanced data ์ด๋ค.