Kolmogorov-Smirnov 生成对抗网络
机器学习
2024-07-01 v1 机器学习
摘要
我们提出了一种新型深度生成模型，即Kolmogorov-Smirnov 生成对抗网络（KSGAN）。与现有方法不同，KSGAN 将学习过程形式化为最小化Kolmogorov-Smirnov（KS）距离的过程，该距离被推广以处理多变量分布。该距离通过分位数函数计算，该函数在对抗训练过程中充当批评家的作用。我们正式证明了最小化KS距离会导致训练得到的近似分布与目标分布对齐。我们提出了一种高效的实现方法，并通过实验评估了其有效性。结果表明，KSGAN在现有对抗方法中表现相当，训练期间表现稳定，抗击模式丢弃和崩溃，能够容忍超参数设置的变化。此外，我们回顾了广义KS检验的文献，讨论了KSGAN与现有对抗生成模型之间的联系。
引用
@article{arxiv.2406.19948,
title = {Kolmogorov-Smirnov GAN},
author = {Maciej Falkiewicz and Naoya Takeishi and Alexandros Kalousis},
journal= {arXiv preprint arXiv:2406.19948},
year = {2024}
}
备注
Code available at https://github.com/DMML-Geneva/ksgan