¿Cómo funcionan las redes generativas de confrontación?

12

Estoy leyendo sobre redes de confrontación generativa (GAN) y tengo algunas dudas al respecto. Hasta ahora, entiendo que en una GAN hay dos tipos diferentes de redes neuronales: una es generativa ( sol ) y la otra discriminativa ( re ). La red neuronal generativa genera algunos datos que la red neuronal discriminatoria juzga correcta. La GAN aprende pasando la función de pérdida a ambas redes.

¿Cómo saben inicialmente las redes neuronales discriminatorias ( re ) si los datos producidos por sol son correctos o no? ¿Tenemos que entrenar la re primero y luego agregarla a la GAN con sol ?

Consideremos mi red re entrenada , que puede clasificar una imagen con un 90% de precisión porcentual. Si agregamos esta red re a una GAN, hay un 10% de probabilidad de que clasifique una imagen incorrectamente. Si entrenamos una GAN con esta red re , ¿tendrá también el mismo error del 10% al clasificar una imagen? En caso afirmativo, ¿por qué las GAN muestran resultados prometedores?

Eka
fuente

Respuestas:

4

Comparar datos generados y reales

Todos los resultados producidos por G siempre se consideran "incorrectos" por definición, incluso para un muy buen generador.

resol

resol

Pedro es
fuente
2

re

resolrere

Dicho esto, el uso de este escenario podría ser una buena forma "no supervisada" de mejorar el poder de clasificación de las redes neuronales, ya que obliga al modelo generador a aprender mejores características de los datos reales y a aprender a distinguir entre las características reales y el ruido, utilizando Se necesitan muchos menos datos para un esquema de aprendizaje supervisado tradicional.

Dror Hilman
fuente