MLE 최대가능추정법과 Generative Model 생성모델
최대가능도추정법(Maximum Likelihood Estimation, MLE)은 생성모델에서 매우 중요한 역할을 합니다. 생성모델에서 MLE의 역할을 설명하기 위해, 생성모델이 어떻게 작동하는지 간략히 설명하고, 그 과정에서 MLE가 어떻게 사용되는지 설명하겠습니다.생성모델에서의 MLE의 역할생성모델은 데이터의 분포를 학습하여 새로운 데이터를 생성할 수 있게 합니다. 이때, 생성모델은 특정한 파라미터(예: 평균과 분산, 혹은 뉴럴 네트워크의 가중치 등)를 가지고 있으며, 이 파라미터들을 최적화하는 것이 모델의 학습 과정입니다. 여기서 MLE가 등장합니다.1. 가능도 함수 설정:생성모델은 주어진 데이터가 특정 확률 분포(예: 가우시안 분포, 다항 분포 등)를 따른다고 가정합니다. 이 가정 하에서, 주어진..
DeepLearning
2024. 8. 13. 13:32
250x250
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- 손실함수
- English
- LLM
- Transformer
- LIST
- Python
- RAG
- 오블완
- PEFT
- 코딩테스트
- Lora
- Github
- recursion #재귀 #자료구조 # 알고리즘
- classification
- #패스트캠퍼스 #패스트캠퍼스ai부트캠프 #업스테이지패스트캠퍼스 #upstageailab#국비지원 #패스트캠퍼스업스테이지에이아이랩#패스트캠퍼스업스테이지부트캠프
- #패스트캠퍼스 #패스트캠퍼스AI부트캠프 #업스테이지패스트캠퍼스 #UpstageAILab#국비지원 #패스트캠퍼스업스테이지에이아이랩#패스트캠퍼스업스테이지부트캠프
- t5
- cnn
- Hugging Face
- 해시
- 파이썬
- 티스토리챌린지
- clustering
- git
- #패스트캠퍼스 #UpstageAILab #Upstage #부트캠프 #AI #데이터분석 #데이터사이언스 #무료교육 #국비지원 #국비지원취업 #데이터분석취업 등
- speaking
- Array
- nlp
- 리스트
- Numpy
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 | 31 |
글 보관함