ScholarGate
Pembantu
Machine learningGenerative models

Wasserstein GAN (WGAN)

Wasserstein GAN (WGAN) ialah varian rangkaian generatif permusuhan (GAN) yang diperkenalkan oleh Arjovsky, Chintala, dan Bottou pada tahun 2017 yang menggantikan pencapahan Jensen-Shannon yang digunakan dalam GAN asal dengan jarak Wasserstein-1 (Earth Mover). Penggantian ini menyediakan objektif latihan berasaskan teori yang menghasilkan pengoptimuman yang lebih stabil dan nilai kerugian yang berkorelasi secara bermakna dengan kualiti sampel yang dihasilkan, menangani masalah keruntuhan mod dan kecerunan lenyap yang terkenal dalam GAN standard.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

The neighbourhood of related methods — select a node to explore.

Sumber

  1. Arjovsky, M., Chintala, S., & Bottou, L. (2017). Wasserstein generative adversarial networks. International Conference on Machine Learning (ICML), 214–223. link

Cara memetik halaman ini

ScholarGate. (2026, June 2). Wasserstein GAN (WGAN). ScholarGate. https://scholargate.app/ms/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.

Compare side by side

Dirujuk oleh

ScholarGateWasserstein GAN (Wasserstein GAN (WGAN)). Dicapai 2026-06-15 daripada https://scholargate.app/ms/deep-learning/wasserstein-gan · Set data: https://doi.org/10.5281/zenodo.20539026