โครงข่ายปฏิปักษ์เชิงกำเนิด
โครงข่ายปฏิปักษ์เชิงกำเนิด (Generative Adversarial Network - GAN) ซึ่งถูกนำเสนอโดย เอียน กู๊ดเฟลโลว์ และคณะในปี 2014 สร้างข้อมูลสังเคราะห์ที่สมจริงผ่านการแข่งขันระหว่างโครงข่ายประสาทเทียมสองโครงข่าย ได้แก่ โครงข่ายสร้างข้อมูล (generator) และโครงข่ายจำแนกข้อมูล (discriminator) เป็นที่นิยมใช้อย่างแพร่หลายในการสังเคราะห์ภาพ การเพิ่มข้อมูล และการประมาณการแจกแจง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+20 more
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Generative Adversarial Network (GAN). ScholarGate. https://scholargate.app/th/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.
- แบบจำลองการแพร่ (Diffusion Model)การเรียนรู้เชิงลึก↔ compare
- โครงข่ายประสาทเทียมเชิงอนุพันธ์สามัญ (Neural ODE)การเรียนรู้เชิงลึก↔ compare
- แบบจำลองเชิงกำเนิดที่ใช้คะแนนการเรียนรู้เชิงลึก↔ compare
- ตัวเข้ารหัสอัตโนมัติแบบแปรผันการเรียนรู้เชิงลึก↔ compare