GAN对抗网络理解
2020-08-04 09:55
597 查看
GAN对抗网络理解
对抗网络构成
对抗网络就像机器学习中的强化学习,你也可以理解为他就是强化学习中一种特别的方法。
强化学习:我们只定义对计算机产生的行为的惩罚和奖励,他做对了就奖励,做错了就惩罚,让他自己根据我们的反馈,自我调整,逐渐更好。让计算机通过与周围环境的互动逐渐强化自己的行为模式。
对抗网络:对抗网络由两个网络构成,分别为生成器(generator)网络,简称G,判别器(distinguishing real or fake)网络,简称D,生成器网络尽可能的伪造数据,让判别器无法识别出是真实数据还是伪造数据,判别器的功能是尽可能的识别出数据是真实的还是伪造的。
对抗网络应用
相关文章推荐
- 简单理解与实验生成对抗网络GAN
- 简单理解与实验生成对抗网络GAN
- 对于GAN(生成对抗网络)原理的通俗理解
- 简单理解与实验生成对抗网络GAN
- 简单理解与实验生成对抗网络GAN(转)
- 简单理解与实验生成对抗网络GAN--转自CSDN
- 【深度学习理论】通俗理解生成对抗网络GAN
- 生成式对抗网络(GAN)如何快速理解?这里有一篇最直观的解读
- 生成式对抗网络GAN有哪些最新的发展,可以实际应用到哪些场景中
- 不要怂,就是GAN (生成式对抗网络) (五):无约束条件的 GAN
- [TensorFlow]生成对抗网络(GAN)介绍与实践
- 生成对抗网络(GAN)的一些知识整理(课件)
- 不要怂,就是GAN (生成式对抗网络) (五):无约束条件的 GAN
- 洞见 | 生成对抗网络GAN最近在NLP领域有哪些应用?
- GAN生成对抗网络从入门到实践——入门级
- 深度学习笔记九:生成对抗网络GAN(基本理论)
- 生成对抗网络(GAN)的理论与应用完整入门介绍
- 深度通信网络专栏:基于GAN生成对抗网络的毫米波信道估计
- 【CV论文阅读】生成式对抗网络GAN
- 生成式对抗网络(Generative Adversarial Networks,GAN)