Wasserstein GAN (WGAN)
Wasserstein GAN (WGAN) là một biến thể mạng đối nghịch sinh (generative adversarial network) được giới thiệu bởi Arjovsky, Chintala và Bottou vào năm 2017, thay thế phân kỳ Jensen-Shannon được sử dụng trong GAN gốc bằng khoảng cách Wasserstein-1 (Earth Mover). Sự thay thế này cung cấp một mục tiêu huấn luyện có cơ sở lý thuyết vững chắc, mang lại sự tối ưu hóa ổn định hơn và giá trị mất mát tương quan có ý nghĩa với chất lượng mẫu sinh ra, giải quyết các vấn đề nổi tiếng về sụp đổ chế độ (mode collapse) và suy biến đạo hàm (vanishing gradient) của GAN tiêu chuẩn.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- Arjovsky, M., Chintala, S., & Bottou, L. (2017). Wasserstein generative adversarial networks. International Conference on Machine Learning (ICML), 214–223. link ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 2). Wasserstein GAN (WGAN). ScholarGate. https://scholargate.app/vi/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.
- CycleGANHọc sâu↔ compare
- Mô hình khuếch tánHọc sâu↔ compare
- Generative Adversarial NetworkHọc sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →