जेनरेटर के प्रतिकूल नेटवर्क कैसे काम करते हैं?

Question

मैं जेनरेटिव एडवरसरी नेटवर्क्स (GANs) के बारे में पढ़ रहा हूं और मुझे इसके बारे में कुछ संदेह है। अब तक, मैं समझता हूं कि GAN में दो अलग-अलग प्रकार के तंत्रिका नेटवर्क हैं: एक है जेनरेटिव ( $G$ ) और दूसरा विभेदकारी ( $D$ )। जनरेटिव न्यूरल नेटवर्क कुछ डेटा जेनरेट करता है जिसे विवेकशील न्यूरल नेटवर्क शुद्धता के लिए जज करता है। GAN दोनों नेटवर्क को लॉस फंक्शन पास करके सीखता है।

भेदभावपूर्ण ( $D$ ) तंत्रिका जाल को शुरू में कैसे पता चलता है कि $G$ द्वारा निर्मित डेटा सही है या नहीं? क्या हमें पहले $D$ को प्रशिक्षित करना है और फिर $G$ साथ GAN में जोड़ना है ?

आइए मेरे प्रशिक्षित $D$ नेट पर विचार करें , जो 90% प्रतिशत सटीकता के साथ एक तस्वीर को वर्गीकृत कर सकता है। अगर हम इस $D$ को GAN में जोड़ते हैं तो 10% संभावना है कि यह एक छवि को गलत वर्गीकृत करेगा। यदि हम इस $D$ नेट के साथ एक गण को प्रशिक्षित करते हैं तो क्या इसमें छवि को वर्गीकृत करने में समान 10% त्रुटि होगी? यदि हाँ, तो GAN क्यों आशाजनक परिणाम दिखाते हैं?

Answer 1

उत्पन्न और वास्तविक डेटा की तुलना करें

जी द्वारा उत्पादित सभी परिणाम हमेशा परिभाषा द्वारा "गलत" माना जाता है, यहां तक ​​कि बहुत अच्छे जनरेटर के लिए भी।

$D$$G$

$D$$G$

Answer 2

$D$

$D$$G$$D$$D$

इस परिदृश्य का उपयोग करते हुए, यह तंत्रिका नेटवर्क के वर्गीकरण की शक्ति में सुधार करने के लिए एक अच्छा "अनसुना" तरीका हो सकता है, क्योंकि यह जेनरेटर मॉडल को वास्तविक डेटा की बेहतर विशेषताओं को सीखने के लिए, और वास्तविक सुविधाओं और शोर के बीच अंतर करने का तरीका सीखने के लिए उपयोग करता है। बहुत कम डेटा जो एक पारंपरिक पर्यवेक्षित शिक्षण योजना के लिए आवश्यक है।