Generatīvais Adversariālais Tīkls
Generatīvais Adversariālais Tīkls (GAN), ko 2014. gadā ieviesa Jans Gudfelovs un kolēģi, rada reālistiskus sintētiskus datus, izmantojot divu neironu tīklu — ģeneratora un diskriminatora — sacensības. Tas tiek plaši izmantots attēlu sintēzei, datu papildināšanai un sadalījuma novērtēšanai.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+20 more
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Generative Adversarial Network (GAN). ScholarGate. https://scholargate.app/lv/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.
- Modelis difūzijaDziļā mācīšanās↔ compare
- Neirālā ODEDziļā mācīšanās↔ compare
- Generatīvais modelis, kas balstīts uz skaitlisko vērtību (rezultātu)Dziļā mācīšanās↔ compare
- Variacionālais autoenkodersDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →