تکنیک های نوین برای بهبود پایداری در آموزش GAN: رفع مشکل فروپاشی مد و بهبود کیفیت تولید

سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 130

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ECME23_054

تاریخ نمایه سازی: 7 آبان 1403

چکیده مقاله:

شبکه های مولد تخاصمی (GANs) از زمان معرفی در سال ۲۰۱۴ توسط Goodfellow و همکارانش به عنوان یکی از مهم ترین پیشرفت ها در مدل سازی مولد شناخته می شوند. این شبکه ها از دو شبکه عصبی به نام های مولد و متمایزکننده تشکیل شده اند که به صورت رقابتی آموزش می بینند. با این حال، آموزش GANها با چالش های متعددی از جمله ناپایداری، فروپاشی مد و ناپدید شدن گرادیان ها همراه است که می تواند منجر به کاهش کیفیت خروجی شود. این مقاله به بررسی روش های نوین برای بهبود پایداری در آموزش GANها با تمرکز بر رفع مشکلاتی چون فروپاشی مد و بهبود کیفیت داده های تولیدی می پردازد. از جمله تکنیک های مورد بررسی در این مطالعه می توان به اصلاحات در ساختار شبکه ها، تغییرات در توابع زیان و روش های آموزشی اشاره کرد. نتایج نشان می دهند که استفاده از این روش ها می تواند پایداری آموزش را بهبود بخشیده و تنوع و کیفیت داده های تولیدی را افزایش دهد.

کلیدواژه ها:

نویسندگان

حسین ممیز

۱- کارشناسی ارشد هوش مصنوعی و رباتیکز، دانشگاه آزاد اسلامی واحد الکترونیکی، تهران، ایران