生成式最小化网络：无需对抗训练的 GAN
机器学习
2021-03-24 v1 人工智能
摘要
机器学习的许多应用可表述为最小化问题，并可使用基于梯度的方法高效求解。然而，生成模型尤其是 GAN 的最新应用引发了对求解极小极大博弈的兴趣，而标准优化技术通常不适用于此类博弈。实践者已知的问题包括缺乏收敛保证或收敛到非最优循环。这些问题的核心在于 GAN 目标的极小极大结构，其在参与者之间产生了非平凡的依赖关系。我们提出通过优化一个不同的目标来解决该问题，该目标利用博弈论中的对偶间隙概念规避了极小极大结构。我们提供了该目标的新的收敛保证，并说明了所得极限点为何比已知技术更好地解决问题。
引用
@article{arxiv.2103.12685,
title = {Generative Minimization Networks: Training GANs Without Competition},
author = {Paulina Grnarova and Yannic Kilcher and Kfir Y. Levy and Aurelien Lucchi and Thomas Hofmann},
journal= {arXiv preprint arXiv:2103.12685},
year = {2021}
}