Wasserstein GAN (WGAN)
Wasserstein GAN (WGAN) হলো একটি জেনারেটিভ অ্যাডভারসারিয়াল নেটওয়ার্কের ভ্যারিয়েন্ট যা ২০১৭ সালে আরজোভস্কি, চিনতালা এবং বোত্তু প্রবর্তন করেন। এটি মূল GAN-এ ব্যবহৃত জেনসেন-শ্যানন ডাইভারজেন্সকে Wasserstein-1 (আর্থ মুভার) দূরত্ব দিয়ে প্রতিস্থাপন করে। এই প্রতিস্থাপন একটি তাত্ত্বিকভাবে সুপ্রতিষ্ঠিত প্রশিক্ষণ উদ্দেশ্য প্রদান করে যা আরও স্থিতিশীল অপ্টিমাইজেশন এবং একটি লস ভ্যালু দেয় যা উৎপাদিত নমুনার গুণমানের সাথে অর্থপূর্ণভাবে সম্পর্কযুক্ত, যা স্ট্যান্ডার্ড GAN-এর কুখ্যাত মোড কোলাপ্স এবং ভ্যানিশিং গ্রেডিয়েন্ট সমস্যাগুলির সমাধান করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- Arjovsky, M., Chintala, S., & Bottou, L. (2017). Wasserstein generative adversarial networks. International Conference on Machine Learning (ICML), 214–223. link ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 2). Wasserstein GAN (WGAN). ScholarGate. https://scholargate.app/bn/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.
- সাইকেলগ্যান: সাইকেল সামঞ্জস্য সহ জুড়িবিহীন চিত্র-থেকে-চিত্র অনুবাদগভীর শিখন↔ compare
- ডিফিউশন মডেলগভীর শিখন↔ compare
- জেনারেটিভ অ্যাডভারসারিয়াল নেটওয়ার্কগভীর শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →