generative adversarial network

(GAN) – nätverksbaserat system för maskininlärning, baserat på två nätverk varav det ena försöker lura det andra. – Underlaget är en stor mängd informa­tion som det sammansatta nätverket ska bemästra. Det ena av de två delnätverken, det generativa, är programmerat för att skapa ny information av samma slag som i underlaget. Underlaget kan till exempel vara tio tusen foton av hundar: det generativa nätverkets uppgift blir då att generera en ny tro­värdig bild av en hund. Det andra delnätverket kallas för discriminatory, vilket här kan översättas med urskiljande. Dess uppgift är att upptäcka bilder som det generativa nätverket har skapat. Om det tror att en bild från det gene­ra­tiva nätverket kommer från underlaget har in­lär­ningen lyckats. – Gener­a­tive adversarial networks utvecklades av Alec Radford med flera och presen­te­ra­des 2015 i denna vetenskapliga artikel. I artikeln finns artificiella bilder som genererats med Rad­fords teknik. – Kallas också för deep convolu­tional generative adversarial networks, DCGAN.

[maskininlärning] [ändrad 6 april 2017]

Dagens ord: 2017-04-07