GANs 博弈：生成对抗网络的博弈论模型
机器学习
2022-01-04 v3 人工智能
计算机科学与博弈论
摘要
生成对抗网络（GANs）近期因能生成与真实数据具有显著统计相似性的高质量数据而在人工智能界备受关注。从根本上说，GAN 是两个神经网络以对抗方式训练以达成零和纳什均衡轮廓的博弈。尽管近年来 GAN 取得了进展，若干问题上仍有待解决。本文综述关于 GAN 博弈论方面的文献，并探讨博弈论模型如何能解决生成模型的特定挑战并提升 GAN 性能。我们首先给出一些预备知识，包括基本 GAN 模型与若干博弈论背景。随后提出分类法，将前沿解决方案分为三类：修正博弈模型、修正架构与修正学习方法。该分类基于文献中提出的博弈论方法对基本 GAN 模型所作的修改。我们接着探讨每类的目标并讨论各类中的近期工作。最后，我们讨论该领域的剩余挑战并给出未来研究方向。
引用
@article{arxiv.2106.06976,
title = {Game of GANs: Game-Theoretical Models for Generative Adversarial Networks},
author = {Monireh Mohebbi Moghadam and Bahar Boroomand and Mohammad Jalali and Arman Zareian and Alireza DaeiJavad and Mohammad Hossein Manshaei and Marwan Krunz},
journal= {arXiv preprint arXiv:2106.06976},
year = {2022}
}
备注
18 pages, 5 Tables, 6 Figures, Review paper