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.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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.
- CycleGAN: Terjemahan Imej-ke-Imej Tanpa Pasangan dengan Konsistensi KitaranPembelajaran Mendalam↔ compare
- Model ResapanPembelajaran Mendalam↔ compare
- Rangkaian Generatif AdversarialPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →