Networks Adversarial Generativeيا به اختصارGAN ها، الگوريتم هاي يادگيري عميق مولد هستند كه نمونه هاي
جديدي از داده ها را شبيه به داده هاي آموزشي ايجاد مي كنند GAN. دو بخش اصلي دارد:
يك مولد (generator)كه ياد ميگيرد داده هاي جعلي توليد كن د و يك متمايزگر يا تشخيص دهنده(discriminator)، كه
از اين اطلاعات نادرست درس مي گيرد.
استفاده ازGAN ها طي يك دوره زماني بسيار افزايش يافته است. از اين شبكه ها ميتوان براي بهبود تصاوير اخترشناسي و شبيه
سازي عدسي گرانشي براي تحقيقات در مورد ماده تاريك (matter-dark)استفاده كرد. توسعه دهندگان بازي هاي ويدئويي، از GAN براي ارتقاي بافت هاي با وضوح پايين و دو بعدي در بازي هاي ويدئويي قديمي با بازآفريني آنها در وضوح ٤ Kيا بالاتر، ازطريق آموزش تصاوير استفاده ميكنند.
GANها به توليد تصاوير واقعي و شخصيت هاي كارتوني، ايجاد عكس از چهره انسان و ارائه اشياء سه بعدي كمك مي كنند.
GAN چگونه كار ميكند؟
· بخش متمايزگر، ياد مي گيرد كه بين داده هاي جعلي مولد و داده هاي نمونه واقعي، تمايز قائل شود.
· در طول آموزش اوليه، مولد، داده هاي جعلي توليد مي كند، و متمايزگر به سرعت ياد مي گيرد كه بگويد اين اطلاعات غلط
است.
· GAN نتايج را به مولد و متمايزگر ارسال مي كند تا مدل را به روز كند.
برای مطالعه بیشتر درمورد الگوریتم های یادگیری عمیق و همچنین انجام پروژه یادگیری عمیق روی لینک زیر کلیک کنید.
[ بازدید : 7 ] [ امتیاز : 0 ] [ نظر شما :
]
