GAN（譯）
生成對抗性網絡 摘要：我們提出了一個新的、通過對抗性過程來評估生成的模型的框架，在這個框架當中，我們同時訓練兩個模型：一個模型G用來捕捉數據分佈，另一個模型D是概率判別模型，用來評估來自訓練數據集而不是G模型生成的樣本。G的訓練過程最大化D犯錯誤的概率。這個框架就像極小化極大（極大值中的極小值）的兩人博弈遊戲。在所有G和D可取的空間當中，存在唯一解，其中，G恢復訓練數據的分佈，D始終取1/2。在G
相關文章
- 1. Social GAN全文翻譯
- 2. Conditional GAN 全文翻譯
- 3. 【GAN ZOO翻譯系列】InfoGAN： Interpretable Representation Learning by Information Maximizing GAN
- 4. GAN--7 info GAN VAE-GAN BiGAN
- 5. Cycle GAN 與 Star GAN
- 6. ·GAN·
- 7. GAN
- 8. GAN——LSGANs（最小二乘GAN）
- 9. LS-GAN（損失敏感GAN）
- 10. W-GAN系 (Wasserstein GAN、 Improved WGAN)
- 更多相關文章...
- • Eclipse 編譯項目 - Eclipse 教程
- • Kotlin 使用命令行編譯 - Kotlin 教程
- • Scala 中文亂碼解決
- • Kotlin學習（一）基本語法
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章