[G1-Sync] Manual knowledge update

10_Wiki/Topics/Noise.md

@@ -1,8 +1,8 @@
 ---
-id: P-REINFORCE-AUTO-NOIS-001
+id: [[P-Reinforce]]-AUTO-NOIS-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
-tags: [auto-reinforced, noise, signals, data-quality, information-theory, statistics]
+tags: [auto-reinforced, noise, signals, data-quality, [[Information-Theory]], [[Statistics]]]
 last_reinforced: 2026-04-20
 ---
 
@@ -15,14 +15,14 @@ last_reinforced: 2026-04-20
 노이즈(Noise)는 정보 전달 및 처리 과정에서 원치 않게 발생하는 방해 요소입니다.
 
 1.  **유형**:
-    *   **Statistical Noise**: 측정 오차나 우연성에 의한 데이터 변동. (Inferential-Statistics와 연결)
+    *   **Statistical Noise**: 측정 오차나 우연성에 의한 데이터 변동. ([[Inferential-Statistics]]와 연결)
     *   **Signal Noise**: 통신이나 녹음 과정에서의 전자적 간섭.
-    *   **Concept Noise (Decision Noise)**: 판단 시 나타나는 일관성 없는 편차 (대니얼 카너먼 정의). (Judgment와 연결)
+    *   **Concept Noise (Decision Noise)**: 판단 시 나타나는 일관성 없는 편차 (대니얼 카너먼 정의). ([[Judgment]]와 연결)
 2.  **왜 중요한가?**:
-    *   노이즈를 제거(Denoising)하지 못하면 모델은 데이터의 본질이 아닌 쓸모없는 잡음을 학습(Overfitting)하여 예측력이 바닥을 치기 때문임.
+    *   노이즈를 제거(Denoising)하지 못하면 모델은 데이터의 본질이 아닌 쓸모없는 잡음을 학습([[Overfitting]])하여 예측력이 바닥을 치기 때문임.
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
-- **과거 데이터와의 충돌**: 과거에는 노이즈를 무조건 지워야 할 '오답 정책'으로만 보았으나, 현대 정책(Diffusion Model 등)은 노이즈로부터 정보를 복원하는 과정 정책을 통해 고해상도 이미지를 생성하는 '노이즈의 창조적 활용 정책'으로 패러다임을 바꿈(RL Update). (Gen-AI와 연결)
+- **과거 데이터와의 충돌**: 과거에는 노이즈를 무조건 지워야 할 '오답 정책'으로만 보았으나, 현대 정책(Diffusion Model 등)은 노이즈로부터 정보를 복원하는 과정 정책을 통해 고해상도 이미지를 생성하는 '노이즈의 창조적 활용 정책'으로 패러다임을 바꿈(RL Update). ([[Gen-AI]]와 연결)
 - **정책 변화(RL Update)**: 학습 데이터 정책에서도 의도적으로 노이즈를 섞어(Data Augmentation) 모델의 맷집을 키우는 '강인한 학습 정책'이 일반화 성능의 핵심 정책이 됨.
 
 ## 🔗 지식 연결 (Graph)