GAN 中影响可学习性的特质研究
机器学习
2020-11-30 v1 计算机视觉与模式识别
摘要
生成对抗网络(GAN)是一种使用两个神经网络、令其一与另一对抗从而生成可通过真实数据检验的新合成数据实例的算法架构。训练 GAN 是一个具有挑战性的问题,需要我们应用超参数调优、架构工程等高级技术。针对不同类型的数据集,人们提出了许多不同的损失函数、正则化与归一化方案以及网络架构来解决这一难题。理解实验观察并推导其简单理论变得必要。在本文中,我们使用参数化合成数据集进行实证实验,以探究哪些特质影响可学习性。
关键词
引用
@article{arxiv.2011.13728,
title = {A study of traits that affect learnability in GANs},
author = {Niladri Shekhar Dutt and Sunil Patel},
journal= {arXiv preprint arXiv:2011.13728},
year = {2020}
}