Rete Generativa Avversaria: differenze tra le versioni
(→Links) |
Nessun oggetto della modifica |
||
| Riga 1: | Riga 1: | ||
Nome: [[Nome::Rete Generativa Avversaria]] | |||
Nome Inglese: [[NomeInglese::Generative Adversarial Network]] | |||
Sigla: [[Sigla::GAN]] | |||
Anno Di Creazione: [[AnnoDiCreazione::2014]] | |||
Pubblicazione: [[Pubblicazione::Generative Adversarial Nets]] | |||
Topic: [[Topic::Generazione di Immagini]] | |||
Un'architettura di rete neurale generativa in cui si utilizza un processo di tipo "adversarial", in cui vengono contemporaneamente allenati due modelli: | Un'architettura di rete neurale generativa in cui si utilizza un processo di tipo "adversarial", in cui vengono contemporaneamente allenati due modelli: | ||
* un modello generativo G che cattura la distribuzione dei dati di training | * un modello generativo G che cattura la distribuzione dei dati di training | ||
Versione delle 08:23, 9 apr 2024
Nome: Rete Generativa Avversaria Nome Inglese: Generative Adversarial Network Sigla: GAN Anno Di Creazione: 2014 Pubblicazione: Generative Adversarial Nets Topic: Generazione di Immagini
Un'architettura di rete neurale generativa in cui si utilizza un processo di tipo "adversarial", in cui vengono contemporaneamente allenati due modelli:
- un modello generativo G che cattura la distribuzione dei dati di training
- un modello discriminativo D che stima la probabilità che un campione provenga dal dataset di training piuttosto che da G
L'addestramento massimizza la probabilità che D faccia un'errore di discriminazione, quindi massimizzando la "bravura" di G nel creare dei falsi realistici.