生成式伪对抗网络上的随机反卷积神经网络集成训练
机器学习
2018-02-08 v1 计算机视觉与模式识别
机器学习
摘要
生成对抗网络（GAN）的训练是一项困难任务，主要源于网络本身的性质。其中一个问题是当生成器与判别器开始振荡而非收敛到不动点。另一种情况是一方智能体变得比另一方更擅长，导致另一方学习能力下降，从而降低系统整体的学习能力。此外，还存在模式崩溃问题，即生成器输出崩溃为单个样本或一小组相似样本。训练 GAN 需要谨慎选择所用架构并配合多种其他改进训练的方法。即便应用这些方法，相对于所选参数训练稳定性仍较低。随机集成被提出作为提升 GAN 训练稳定性的一种方法。
引用
@article{arxiv.1802.02436,
title = {Stochastic Deconvolutional Neural Network Ensemble Training on Generative Pseudo-Adversarial Networks},
author = {Alexey Chaplygin and Joshua Chacksfield},
journal= {arXiv preprint arXiv:1802.02436},
year = {2018}
}
备注
11 pages