Vysvetliteľné GAN
Vysvetliteľné GAN aplikuje techniky interpretovateľnosti na generatívne adverzárne siete (Generative Adversarial Networks – GAN), aby odhalilo, ktoré vnútorné jednotky a latentné smery spôsobujú špecifické vizuálne alebo štrukturálne vlastnosti vo vygenerovaných výstupoch. Kombinuje trénovanie GAN s post-hoc analytickými nástrojmi – ako je dekompozícia jednotiek (unit dissection), mapy výrečnosti (saliency maps) alebo disentangled latentné priestory – na transparentné a auditovateľné správanie generatívneho modelu.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Explainable Generative Adversarial Network. ScholarGate. https://scholargate.app/sk/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.
- Difúzny modelHlboké učenie↔ compare
- Vysvetliteľná klasifikácia obrazuHlboké učenie↔ compare
- Generatívna protiadverзárna sieťHlboké učenie↔ compare
- Variačný autoenkodérHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →