Magyarázható GAN (Explainable GAN)
A Magyarázható GAN az értelmezhetőségi technikákat alkalmazza a Generatív Adverszariális Hálózatokon (GAN), hogy feltárja, mely belső egységek és latens irányok okoznak specifikus vizuális vagy strukturális jellemzőket a generált kimeneteken. Kombinálja a GAN-képzést utólagos elemző eszközökkel – mint például egységszétválasztás (unit dissection), szalenciaterképek (saliency maps) vagy szétkapcsolt latens terek (disentangled latent spaces) –, hogy a generatív modell viselkedését átláthatóvá és auditálhatóvá tegye.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Bau, D., Zhu, J.-Y., Strobelt, H., Zhou, B., Tenenbaum, J. B., Freeman, W. T., & Torralba, A. (2019). GAN Dissection: Visualizing and Understanding Generative Adversarial Networks. In Proceedings of the International Conference on Learning Representations (ICLR 2019). link ↗
- Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A., & Bengio, Y. (2014). Generative Adversarial Nets. In Advances in Neural Information Processing Systems (NeurIPS 2014), 27. link ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Explainable Generative Adversarial Network. ScholarGate. https://scholargate.app/hu/deep-learning/explainable-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.
- Modell (mélytanulás)Mélytanulás↔ compare
- Magyarázható KéposztályozásMélytanulás↔ compare
- Generative Adversarial NetworkMélytanulás↔ compare
- Variációs AutoencoderMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →