삭제

삭제

컴퓨터 시스템에서 수행되는 데이터 생성 방법에 있어서,상기 컴퓨터 시스템은 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,상기 데이터 생성 방법은,상기 적어도 하나의 프로세서에 의해, 생성적 적대 신경망(GAN, Generative Adversarial Network)의 학습 과정에서 각 학습 데이터의 과소 표현된 정도를 나타내는 과소표현 점수를 측정하는 단계; 및상기 적어도 하나의 프로세서에 의해, 상기 과소표현 점수에 기반한 가중 샘플링(weighted sampling)을 통해 상기 생성적 적대 신경망을 추가 학습하는 단계를 포함하고,상기 생성적 적대 신경망은 생성기 신경망과 판별기 신경망을 포함하고,상기 생성적 적대 신경망의 학습 시 비포화 손실(non-saturating loss) 함수가 사용되고,상기 측정하는 단계는,상기 학습 데이터에서 데이터 분포와 모델 분포 간의 불일치 점수를 계산함으로써 상기 과소표현 점수를 측정하는 것으로,상기 판별기 신경망의 출력 값에 기반한 LDR(log density ratio)로 상기 생성적 적대 신경망의 학습 과정에서 계산된 상기 LDR의 평균(mean)과 분산(variance)을 이용하여 상기 과소표현 점수를 측정하고,상기 추가 학습하는 단계는,최대 샘플링 확률과 최소 샘플링 확률 사이의 비율이 일정 값을 넘지 않는 범위에서 상기 과소표현 점수에 비례하여 상기 학습 데이터의 샘플링 확률을 조정하는 단계를 포함하는 데이터 생성 방법.

삭제

삭제

삭제

삭제

삭제

제1항에 있어서,상기 데이터 생성 방법은,상기 적어도 하나의 프로세서에 의해, 상기 판별기 신경망의 출력 값을 이용한 기각 샘플링(rejection sampling)을 통해 상기 생성적 적대 신경망의 모델 분포를 수정하는 단계를 더 포함하는 데이터 생성 방법.

데이터 생성 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독가능한 기록 매체에 저장되는 컴퓨터 프로그램에 있어서,상기 데이터 생성 방법은,생성적 적대 신경망의 학습 과정에서 각 학습 데이터의 과소 표현된 정도를 나타내는 과소표현 점수를 측정하는 단계;상기 과소표현 점수에 기반한 가중 샘플링을 통해 상기 생성적 적대 신경망을 추가 학습하는 단계; 및판별기 신경망의 출력 값을 이용한 기각 샘플링을 통해 상기 생성적 적대 신경망의 모델 분포를 수정하는 단계를 포함하고,상기 생성적 적대 신경망은 생성기 신경망과 판별기 신경망을 포함하고,상기 생성적 적대 신경망의 학습 시 비포화 손실(non-saturating loss) 함수가 사용되고,상기 측정하는 단계는,상기 학습 데이터에서 데이터 분포와 모델 분포 간의 불일치 점수를 계산함으로써 상기 과소표현 점수를 측정하는 것으로,상기 판별기 신경망의 출력 값에 기반한 LDR(log density ratio)로 상기 생성적 적대 신경망의 학습 과정에서 계산된 상기 LDR의 평균(mean)과 분산(variance)을 이용하여 상기 과소표현 점수를 측정하고,상기 추가 학습하는 단계는,최대 샘플링 확률과 최소 샘플링 확률 사이의 비율이 일정 값을 넘지 않는 범위에서 상기 과소표현 점수에 비례하여 상기 학습 데이터의 샘플링 확률을 조정하는 단계를 포함하는, 컴퓨터 프로그램.

컴퓨터 시스템에 있어서,메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,상기 적어도 하나의 프로세서는,생성적 적대 신경망의 학습 과정에서 각 학습 데이터의 과소 표현된 정도를 나타내는 과소표현 점수를 측정하는 과정; 및상기 과소표현 점수에 기반한 가중 샘플링을 통해 상기 생성적 적대 신경망을 추가 학습하는 과정을 처리하고,상기 생성적 적대 신경망은 생성기 신경망과 판별기 신경망을 포함하고,상기 생성적 적대 신경망의 학습 시 비포화 손실(non-saturating loss) 함수가 사용되고,상기 적어도 하나의 프로세서는,상기 학습 데이터에서 데이터 분포와 모델 분포 간의 불일치 점수를 계산함으로써 상기 과소표현 점수를 측정하는 것으로,상기 판별기 신경망의 출력 값에 기반한 LDR(log density ratio)로 상기 생성적 적대 신경망의 학습 과정에서 계산된 상기 LDR의 평균(mean)과 분산(variance)을 이용하여 상기 과소표현 점수를 측정하고,상기 적어도 하나의 프로세서는,최대 샘플링 확률과 최소 샘플링 확률 사이의 비율이 일정 값을 넘지 않는 범위에서 상기 과소표현 점수에 비례하여 상기 학습 데이터의 샘플링 확률을 조정하는 것을 특징으로 하는 컴퓨터 시스템.

삭제

삭제

삭제

제11항에 있어서,상기 적어도 하나의 프로세서는,상기 판별기 신경망의 출력 값을 이용한 기각 샘플링을 통해 상기 생성적 적대 신경망의 모델 분포를 수정하는 것을 특징으로 하는 컴퓨터 시스템.