Machine Learning - Generative Adversarial Networks

Machine Learning - Generative Adversarial Networks

LAVI
  2024-03-20 2024-03-20 Created   2024-09-11 2024-09-11 Updated      

Generative Adversarial Networks

生成對抗網路是非監督式學習的一種方法，通過讓兩個神經網路相互博弈的方式進行學習。

小量真實資料產生大量的訓練資料


圖片來源

由一個生成網路與一個鑑別網路組成

  • 生成網路從潛在空間（latent space）中隨機取樣作為輸入，其輸出結果需要盡量模仿訓練集中的真實樣本
  • 判別網路的輸入則為真實樣本或生成網路的輸出，其目的是將生成網路的輸出從真實樣本中盡可能分辨出來
    生成網路要盡可能地欺騙判別網路
    兩個網路相互對抗、不斷調整參數，最終目的是使判別網路無法判斷生成網絡的輸出結果是否真實

Cycle GAN

不需要成對資料，只需要蒐集兩種不同類型的數據集，去學習數據域 A 和 B 的之間的關係，學習將輸入數據域 A 轉換為數據域 B


圖片來源

Reference

On this page
Machine Learning - Generative Adversarial Networks
  1. Generative Adversarial Networks
    1. Cycle GAN
  2. Reference