k-significa

Analisi del componente principale

codifica automatica

Definire e risolvere per Px

Impara il modello P senza definizione esplicita

vantaggio

discordanza

presunto

Caratteristiche

Speriamo di campionare nuovi dati dalla distribuzione del campione di addestramento, ma questa distribuzione non solo è altamente dimensionale ma anche molto complessa, rendendo difficile l'implementazione diretta.

Campionare una distribuzione semplice, come la distribuzione uniforme; quindi apprendere una mappatura per trasformarla nella distribuzione del campione di addestramento

Genera rete

rete discriminativa

Completa in modo alternato

Visualizzazione

Utilizza le convoluzioni invece di raggruppare i livelli

Rimuovi il livello completamente connesso

Utilizzare la normalizzazione batch

Utilizzare la funzione di attivazione appropriata

Quando i campioni generati e i campioni reali non si sovrappongono, la divergenza JS è sempre log2

Modificare la funzione sigmod in una funzione di regressione lineare

misura della distanza

Esiste un problema "etichetta a molti". I risultati di output delle reti neurali tradizionali sono il più vicino possibile a ciascun risultato dell'addestramento, con il risultato che le immagini generate risultano molto sfocate e persino indistinguibili.

Si prevede che il contenuto di output sia vario e possa essere controllato

cGAN

SGAN

ACGAN (comunemente usato)

infoGAN

Una rete genera cinque stili