DGSAN：离散生成式自对抗网络
机器学习
2020-10-16 v2 机器学习
摘要
尽管基于 GAN 的方法在过去几年中取得了许多成就，但他们在生成离散数据方面尚未完全成功。这些方法最关键的挑战在于当生成器输出为离散时，梯度难以从判别器传递到生成器。尽管已有若干尝试缓解该问题，现有的基于 GAN 的方法在文本生成的质量和多样性方面均未超越最大似然方法。本文中，我们提出了一种通过对抗方式生成离散数据的新框架，其中无需将梯度传递给生成器。所提方法具有迭代性质，每一个新生成器都基于上一个判别器定义。它利用数据的离散性和上一个判别器来隐式建模真实数据分布。此外，该方法有理论保证支持，实验结果总体表明所提出的 DGSAN 方法在生成离散序列数据方面优于其他流行或近期的方法。
引用
@article{arxiv.1908.09127,
title = {DGSAN: Discrete Generative Self-Adversarial Network},
author = {Ehsan Montahaei and Danial Alihosseini and Mahdieh Soleymani Baghshah},
journal= {arXiv preprint arXiv:1908.09127},
year = {2020}
}