Wasserstein GAN (WGAN)
Wasserstein GAN (WGAN) on generatiivne vastandvõrkude (generative adversarial network, GAN) variant, mille 2017. aastal esitasid Arjovsky, Chintala ja Bottou. See asendab originaal-GAN-is kasutatud Jense-n-Shannon'i divergentsi Wasserstein-1 (Earth Mover) kaugusega. See asendus pakub teoreetiliselt põhjendatud treeningu eesmärki, mis tagab stabiilsema optimeerimise ja kadud, mis korreleeruvad tähenduslikult genereeritud proovide kvaliteediga, lahendades standard-GAN-ide kurikuulsad režiimikollapsi (mode collapse) ja kahaneva gradendi probleemid.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Arjovsky, M., Chintala, S., & Bottou, L. (2017). Wasserstein generative adversarial networks. International Conference on Machine Learning (ICML), 214–223. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 2). Wasserstein GAN (WGAN). ScholarGate. https://scholargate.app/et/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: piltide tõlkimine paarideta andmetega tsüklilise konsistentsi abilSüvaõpe↔ compare
- DifusioonimudelSüvaõpe↔ compare
- Generatiivne võistlev võrkSüvaõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →