شبكة WGAN التوليدية التنافسية (Wasserstein GAN - WGAN)
تُعد شبكة WGAN التوليدية التنافسية (Wasserstein GAN - WGAN) أحد المتغيرات لشبكات GAN التوليدية التنافسية، وقد قدمها Arjovsky و Chintala و Bottou في عام 2017. استبدلت هذه الشبكة تباعد Jensen-Shannon المستخدم في شبكات GAN الأصلية بمسافة Wasserstein-1 (مسافة نقل الأرض). يوفر هذا الاستبدال هدف تدريب مؤطر نظريًا، مما يؤدي إلى تحسين استقرار التحسين وقيمة خسارة ترتبط بشكل هادف بجودة العينات المولدة، ويعالج مشاكل الانهيار النمطي (mode collapse) وتلاشي التدرج (vanishing gradient) الشهيرة في شبكات GAN القياسية.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Arjovsky, M., Chintala, S., & Bottou, L. (2017). Wasserstein generative adversarial networks. International Conference on Machine Learning (ICML), 214–223. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 2). Wasserstein GAN (WGAN). ScholarGate. https://scholargate.app/ar/deep-learning/wasserstein-gan
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- CycleGAN: ترجمة الصور بين المجالات دون أزواج باستخدام اتساق الدورةالتعلم العميق↔ compare
- نموذج الانتشارالتعلم العميق↔ compare
- شبكة الخصومة التوليديةالتعلم العميق↔ compare