利用生成对抗网络生成多类别样本
机器学习
2018-07-05 v2 机器学习
摘要
我们提出一种在表示多个类别值的多元特征向量上训练生成对抗网络的方法。与连续域中基于 GAN 的方法已取得可观结果不同，GAN 在离散数据上难以达到同等表现。我们提出并比较了几种基于多个（Gumbel）softmax 输出层、考虑数据结构的架构。我们在具有不同稀疏度、特征数量、类别值范围及特征间依赖关系的数据集上评估了我们的架构性能。我们提出的架构与方法优于现有模型。
关键词
引用
@article{arxiv.1807.01202,
title = {Generating Multi-Categorical Samples with Generative Adversarial Networks},
author = {Ramiro Camino and Christian Hammerschmidt and Radu State},
journal= {arXiv preprint arXiv:1807.01202},
year = {2018}
}