COEGAN：在生成对抗网络中评估协同进化效应
神经与进化计算
2019-12-16 v1
摘要
生成对抗网络（GAN）在生成遵循输入数据集分布的样本方面呈现出最先进的结果。然而，GAN难以训练，且模型的若干方面需事先手工设计。神经进化是一种众所周知的技术，用于提供网络架构的自动设计，近来已扩展到深度神经网络。COEGAN是一种在GAN训练算法中利用神经进化和协同进化以提供更稳定训练方法及神经网络架构自动设计的模型。COEGAN利用GAN组件的对抗特性在训练算法中实现协同进化策略。我们的方案在Fashion-MNIST和MNIST数据集上进行了评估。我们将结果与基于DCGAN的基线以及随机搜索算法的结果进行比较。我们表明，我们的方法能够在Fashion-MNIST和MNIST数据集中发现高效架构。结果还表明，COEGAN可用作GAN的训练算法以避免常见问题，例如模式崩溃问题。
引用
@article{arxiv.1912.06180,
title = {COEGAN: Evaluating the Coevolution Effect in Generative Adversarial Networks},
author = {Victor Costa and Nuno Lourenço and João Correia and Penousal Machado},
journal= {arXiv preprint arXiv:1912.06180},
year = {2019}
}
备注
Published in GECCO 2019. arXiv admin note: text overlap with arXiv:1912.06172