전주대학교 인공지능학과

1. 제목 : 변이형 오토인코더의 최적화 문제 연구 

4. 주요내용 :

생성모델의 목적은 관심 있는 데이터 전체인 모집단, 즉 분포를 알아내어 그 분포로부터 데이터를 생성하는 것이다. 생성모델 중 하나인 변이형 오토인코더는 비선형차원축소 방법 중 하나인 오토인코더를 적용한 생성모델이다. 기존에 연구된 변이형 오토인코더의 목적함수는 관측 가능한 변수가 주어졌을 때, 잠재 변수의 확률인 사후분포를 근사화하는 변분추론에 기반한 ELBO(Evidence Lower BOund)을 사용하고 있다. 이 목적함수는 복원오차와 잠재 분포 오차를 동일한 비율로 반영한다. 본 연구는 생성모델의 목적에 맞는 변이형 오토인코더의 최적화 문제를 정의한다. 정의된 최적화 문제에서 유도된 라그랑지안 승수에 따라 복원오차와 잠재분포 오차의 중요도가 달라진다. 그리고 정의된 최적화 문제를 실제로 계산하기 위한 구체적인 목적함수를 유도하였다.

변이형 오토인코더는 상대적으로 저차원인 밀도있는 공간에서 분포를 추정하는 생성모델 방법으로써 그 잠재력이 상당하다. 이론적으로 안정적인 변이형 오토인코더의 최적화 문제를 정의함으로써 추후에 응용 영역에서 이뤄지는 실험결과들에 대해 안정성을 제공할 수 있다.