Generative Adversarial Network
Ein Generative Adversarial Network (GAN), das 2014 von Ian Goodfellow und Kollegen eingeführt wurde, erzeugt realistische synthetische Daten durch den Wettbewerb zweier neuronaler Netze – eines Generators und eines Diskriminators. Es wird häufig für die Bildsynthese, Datenerweiterung und Verteilungsschätzung verwendet.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+20 more
Quellen
- Goodfellow, I. et al. (2014). Generative Adversarial Nets. NeurIPS. link ↗
- Karras, T. et al. (2020). Analyzing and Improving the Image Quality of StyleGAN. CVPR. DOI: 10.1109/CVPR42600.2020.00813 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Generative Adversarial Network (GAN). ScholarGate. https://scholargate.app/de/deep-learning/generative-adversarial-network
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.
- Diffusion ModelDeep Learning↔ compare
- Neuronale ODEDeep Learning↔ compare
- Score-basiertes generatives ModellDeep Learning↔ compare
- Variationaler AutoencoderDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →