Check
- ONTO란?
- One to One이란? 선형 독립과는 무슨 관계인가?
- i차원에서 j차원으로의 변환에서, 절대로 onto나 one to one이 아닌 조건은? 증명할 수 있는가?
- 머신러닝에서의 의미는?
머신 러닝에서 GAN이나 Decoder를 ONTO라고 부를 수 있다. GAN에서 latent vector와 output image와의 mapping은 ONTO일 수가 없다. Latent vector를 변환한 것의 span은 절대로 image의 subspace를 전부 표현할 수 없다. 마치 평면으로 공간을 커버할 수 없는 것과 같다. 가령 얼굴을 생성한다고 할 때, 3차원의 공간에서 이미지가 있을 법한 평면을 잘 골라내는 것을 GAN을 학습하는 것에 비유할 수 있다. 여기서 선형 변환은 평면을 기울이고, 비선형 변환은 평면을 구부리는 것이라고 생각하면 될 것 같다.
머신 러닝에서 fcn을 통과하면서 벡터의 dimension이 줄어드는 것을 one to one이라고 생각할 수 있다.
'수업 정리(개인용) > 선형대수(주재걸 교수님)' 카테고리의 다른 글
| 인공지능을 위한 선형대수(주재걸 교수님) 정규방정식 (0) | 2021.01.08 |
|---|---|
| 인공지능을 위한 선형대수(주재걸 교수님) Least Squares Problem 소개, Least Squares와 그 기하학적 의미 (0) | 2021.01.06 |
| 인공지능을 위한 선형대수(주재걸 교수님) 선형변환 with Neural Network (0) | 2021.01.02 |
| 인공지능을 위한 선형대수(주재걸 교수님) 부분공간의 기저와 차원, 선형변환 (0) | 2020.12.31 |
| 인공지능을 위한 선형대수(주재걸 교수님) 선형독립과 선형종속 (0) | 2020.12.31 |
