작성한 질문수 4

1

감사합니다. 강의를 통해서 혼자서 공부했을 때 막막했던 부분들이 해결되어 너무 좋았습니다. GAN에 대해 수학적으로 이해하고, 여러 GAN 모델을 알게되어 제가 적용할 수 있는 분야의 GAN 모델을 선택할 수 있게 된 것 같습니다. 다시 한 번 정성스런 강의에 감사합니다.

1

안녕하세요. 박승진 님

GAN을 이용해서 timeseries-data를 생성하는 것은 알고리즘이나 프레임워크상에서 전혀 문제가 되지 않습니다.

어떠한 데이터든 생성할 수 있습니다. 다만, 얼마니 진짜 같느냐의 문제일 것 같습니다.

DCGAN은 말그대로 Deep-convolution이라 이미지에 특화되어있다고 보실수 있을 것 같습니다.

LSGAN은 loss만 바꾼것이구요. 

시계열적인 특성을 가지는 텍스트 데이터를 생성하는 쪽은 유명한 모델로 SeqGAN이 있습니다.

일반적인 데이터를 생성하는 것은 GAN에서 매운 어려운 문제라고 수업시간에서 언급을 한 적이 있는데,

시계열적 특성을 가지는 일반 데이터(예를 들어 주식)는 더욱 어려울 것입니다.

주식같은 데이터는 아니지만, 시계열 데이터를 generation하는 논문이 작년에 나왔습니다.

한번 읽어보시면 될 것 같습니다. (아직까지 많이 발전하지는 않은 듯 합니다)

https://papers.nips.cc/paper/8789-time-series-generative-adversarial-networks.pdf