生成对抗网络:我们能否仅基于一个训练集生成新数据集?
机器学习
2022-10-13 v1 信息论
math.IT
摘要
生成对抗网络(GAN)是Goodfellow等人于2014年提出的一类机器学习框架。在GAN框架中,生成模型与对手(一个判别模型,学习判断样本来自模型分布还是数据分布)相对抗。GAN从与训练集相同的分布中生成新样本。本工作中,我们旨在生成一个与训练集分布不同的新数据集。此外,生成数据集与训练集分布之间的Jensen-Shannon散度可由某个目标控制。我们的工作受生成具有与优质稻米相似特征的新品种稻米的应用所推动。
引用
@article{arxiv.2210.06005,
title = {Generative Adversarial Nets: Can we generate a new dataset based on only one training set?},
author = {Lan V. Truong},
journal= {arXiv preprint arXiv:2210.06005},
year = {2022}
}
备注
Under review for possible publication