شبکه های تقابلی مولد، طبقه ای از تکنیک های یادگیری ماشین بوده که از دو مدل آموزش دیده به صورت هم زمان تشکیل شده است: یکی (ژنراتور) برای تولید داده های جعلی آموزش داده شده، و دیگری (تمایزگر) برای تشخیص داده های جعلی از نمونه های واقعی آموزش می بیند. واژه مولد نشانگر هدف کلی مدل است: تولید داده جدید. داده هایی که GAN یاد می گیرد تولید کند، به انتخاب مجموعه داده بستگی دارد. به عنوان مثال، اگر سنتز تصاویری که شکل نقاشی های لئونارد داوینچی است مدنظر باشد، مجموعه های داده آموزشی، کارهای هنری داوینچی خواهد بود. اصطلاح تقابلی به دینامیک رقابتی شبه بازی بین دو مدل اشاره دارد، که قالب GAN را تشکیل می دهد: ژنراتور و تمایزگر.
این کتاب در 12 فصل زیر توسط دکتر ایوب ترکیان در انتشارات نیاز دانش به چاپ رسیده است.
فصل 1: مقدمه و کاربرد های شبکه تقابلی مولد
فصل 2: مقدمه مدلسازی مولد با خود رمزگذارها
فصل 3: تولید اعداد دست نویس
فصل 4: GAN عميق كانولوشن
فصل 5: آموزش و چالش های متداول
فصل 6: GAN های پيشرو
فصل7: GAN های نيمه نظارتی
فصل8: GAN های شرطی
فصل9: CycleGAN
فصل 10: نمونه های تقابلی
فصل 11: کاربردهای عملی
فصل 12: آینده نگری
دیدگاه کاربران
هنـوز دیدگاهی ثبــت نشــده
اولیــن باشــید شــما