退火生成对抗网络
机器学习
2017-05-23 v1 机器学习
摘要
我们引入了一个新颖的对抗训练框架，其中目标分布在均匀分布和数据分布之间进行退火。我们提出一个猜想：在非参数机制下，无论目标函数中的散度度量如何，连续退火下的学习都是稳定的，并作为推论提出了一个称为 {\ss}-GAN 的算法。在此框架中，生成网络的初始支撑集是整个环境空间，这一事实与退火相结合是平衡极小极大博弈的关键。我们在合成数据、MNIST 和 CelebA 上的实验中，具有固定退火计划的 {\ss}-GAN 是稳定的，并且没有遭受模式坍塌。
引用
@article{arxiv.1705.07505,
title = {Annealed Generative Adversarial Networks},
author = {Arash Mehrjou and Bernhard Schölkopf and Saeed Saremi},
journal= {arXiv preprint arXiv:1705.07505},
year = {2017}
}
备注
9 pages, 6 figures