OGGN：一种用于建模人工神经网络逆函数的新型广义 Oracle 引导生成架构
机器学习
2021-04-09 v1
摘要
本文提出一种新颖的生成神经网络架构，用于完整或部分地建模人工神经网络（ANN）的逆函数。建模 ANN 的完整逆函数涉及生成对应于期望输出的所有特征值。另一方面，部分建模逆函数意味着生成特征子集的值并固定其余特征值。特征集生成是人工神经网络的关键步骤，在工程和科学的若干实际应用中十分有用。所提出的 Oracle 引导生成神经网络，称为 OGGN，可灵活处理多种特征生成问题。一般而言，ANN 能够根据给定特征向量预测目标值。OGGN 架构能够在给定 ANN 预定目标值的情况下生成特征向量。当生成的特征向量被输入前向 ANN 时，ANN 预测的目标值将接近预定目标值。因此，OGGN 架构能够映射由前向 ANN 所表示函数的逆函数。此外，本工作还有另一重要贡献。本文还引入了一类新函数，定义为约束函数。约束函数使神经网络能够在给定局部空间内探索更长时间，从而除了仅能找到全局最优外，还能找到损失函数的局部最优。OGGN 也可被改造用以求解多变量多项式方程组。在合成数据集上的实验验证了 OGGN 在各种用例上的有效性。
引用
@article{arxiv.2104.03935,
title = {OGGN: A Novel Generalized Oracle Guided Generative Architecture for Modelling Inverse Function of Artificial Neural Networks},
author = {Mohammad Aaftab and Mansi Sharma},
journal= {arXiv preprint arXiv:2104.03935},
year = {2021}
}