GAN Wasserstein (WGAN)
GAN Wasserstein (WGAN) është një variant i rrjeteve kundërshtare gjeneruese (generative adversarial network) i prezantuar nga Arjovsky, Chintala dhe Bottou në vitin 2017, i cili zëvendëson divergjencën Jensen-Shannon të përdorur në GAN origjinal me distancën Wasserstein-1 (Earth Mover). Kjo zëvendësim ofron një objektiv trajnimi me bazë teorike, që rezulton në optimizim më stabil dhe një vlerë humbjeje që korrelon në mënyrë kuptimplote me cilësinë e mostrës së gjeneruar, duke adresuar problemet e njohura të kolapsit të modës (mode collapse) dhe gradientit zhdukës (vanishing gradient) të GAN-ve standardë.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- Arjovsky, M., Chintala, S., & Bottou, L. (2017). Wasserstein generative adversarial networks. International Conference on Machine Learning (ICML), 214–223. link ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 2). Wasserstein GAN (WGAN). ScholarGate. https://scholargate.app/sq/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: Përkthim i imazheve pa çifte me konsistencë cikliMësimi i thellë↔ compare
- Model difuzioniMësimi i thellë↔ compare
- Rrjeti kundërshtar gjeneruesMësimi i thellë↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →