[G1-Sync] Manual knowledge update

10_Wiki/Topics/Deep-Convolutional-GANs.md

@@ -1,8 +1,8 @@
 ---
-id: P-REINFORCE-AUTO-DCGN-001
+id: [[P-Reinforce]]-AUTO-DCGN-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
-tags: [auto-reinforced, dcgan, generative-adversarial-networks, computer-vision, deep-learning, image-generation, cnn]
+tags: [auto-reinforced, dcgan, [[Generative-Adversarial-Networks]], [[Computer-Vision]], [[Deep-Learning]], image-generation, cnn]
 last_reinforced: 2026-04-20
 ---
 
@@ -15,11 +15,11 @@ last_reinforced: 2026-04-20
 DCGAN(Deep-Convolutional-GANs)은 GAN 아키텍처에 CNN을 도입하여 이미지 생성 성능을 획기적으로 개선한 모델입니다. (Alec Radford 등이 2015년 발표)
 
 1.  **아키텍처 혁신**:
-    *   **Strided Convolutions**: 풀링(Pooling) 대신 스트라이드 합성곱을 사용하여 공간 정보를 보존하면서 차원을 조절.
-    *   **Batch Normalization**: 생성자와 판별자 모두에 적용하여 학습 초기의 불안정성 해소. (Reliability와 연결)
+    *   **Strided Convolutions**: 풀링([[Pooling]]) 대신 스트라이드 합성곱을 사용하여 공간 정보를 보존하면서 차원을 조절.
+    *   **Batch [[Normalization]]**: 생성자와 판별자 모두에 적용하여 학습 초기의 불안정성 해소. ([[Reliability]]와 연결)
     *   **Activation Functions**: 생성자에는 ReLU와 Tanh 사용, 판별자에는 LeakyReLU 사용.
 2.  **의의**:
-    *   특징 공간(Feature Space) 상의 '벡터 산술 연산'을 통해 안경 쓴 남성 - 남성 + 여성 = 안경 쓴 여성 같은 고차원 개념 조작이 가능함을 증명함. (Representation-Learning와 연결)
+    *   특징 공간(Feature Space) 상의 '벡터 산술 연산'을 통해 안경 쓴 남성 - 남성 + 여성 = 안경 쓴 여성 같은 고차원 개념 조작이 가능함을 증명함. ([[Representation-Learning]]와 연결)
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
 - **과거 데이터와의 충돌**: 과거 GAN 정책은 학습이 매우 어려워 '운'에 의존하는 경과 정책(Mode collapse)이 잦았으나, DCGAN 정책은 검증된 아키텍처 정책 가이드라인을 제시하여 누구나 안정적인 생성 정책이 가능하게 함(RL Update).