(GAN) – ett slags 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 Ian Goodfellow (se denna länk) med flera och presenterades 2014 i denna vetenskapliga artikel. – Kallas också för deep convolutional generative adversarial networks, DCGAN.
[maskininlärning] [ändrad 7 maj 2019]