لاي معبد يمكن من الجزء السفلي من التقارير غير و qubit-راحة | عدد ملفه QbitAI

GAN منذ ولادته، كل وسيلة لرفع مستوى، وأكثر قوة.

ذهبت هذه الطريقة قوية من خلال ما مسار تطوري؟

ولادة غان والهندسة المعمارية

GAN ولد في عام 2014، نشر ايان غودفلوو وزملاؤه اسم شبكة ضد توليدي المولدة الخصومة نتس أطروحة.

العمارة GAN من البياض.

وهو يتألف من مولدات مولد  و تمارس التمييز الممي قسمين، تعمل بطريقة غير خاضعة للرقابة.

وجلب مولد لتوليد بيانات عينة توليفها جديدة، ويخلط مع البيانات الأصلية، معا لالممي، الممي التمييز الذي هو البيانات الأصلية، وهو ما يتم تصنيعه. يتم تكرار العملية حتى صدور القرار ليس أكثر من 50 من الدقة في التمييز من عينات حقيقية توليفها العينات.

في الممارسة العملية، والهندسة المعمارية GAN يجلب أيضا بعض السلبيات.

أولا، في حين أن التدريب وعدم الاستقرار الناتجة الممي ولد. بعد كل المعلمات التحديث، فإن طبيعة الحاجة مشكلة أن يكون الأمثل تتغير، وبالتالي فإن القيم المعلمة نموذج الداخلية يمكن أن تتذبذب أو غير مستقرة. الأخطر هو أن انهيار المولد، بصق الكثير من النظرات نفس العينة.

ثانيا، المولد والممي هناك الساحقة خطر آخر. إذا كان مولد دقيق جدا، وسيكون للاستفادة من ضعف الثغرات الممي، بدلا من توليد صور أكثر واقعية إلى الحكم خداع، وإذا تمييز دقيق جدا، من شأنه أن يعرقل عملية مولد التقارب.

وأخيرا، فإن عدم وجود تدريب البيانات، تؤثر أيضا على تطوير GAN من حيث الدلالة،

ومع ذلك، وقال هانلين تانغ مدير أول مختبر AI إنتل يمكن التكنولوجيات الجديدة الناشئة معالجة هذه القيود. واقترح طريقتين، واحد في عدد وافر من نموذج تمارس التمييز وصقل استنادا إلى بيانات محددة. في المرتبة الثانية تغذية الممي التمثيل جزءا لا يتجزأ المكثف، أو التمثيل الرقمي للبيانات . بحيث يمكن الحصول على مزيد من المعلومات لاستخراج.

تطبيقات GAN: من الصورة إلى خطاب

1 صورة

GAN الأكثر شيوعا وتطبيق معروفة لتركيب الصور مثل حقيقي.

على سبيل المثال، نفيديا أسلوب GAN ، وملامح الوجه للشخص B يمكن أن تهاجر إلى شخصية A.

التفاصيل يمكن كزة:

هذه وجه كاذبة واقعي جدا! NVIDIA خلق جيل جديد من GAN، وتوليد أكبر HD خلفية الصف يخلو من العيوب

بالإضافة إلى الوجه، يمكنك أيضا الهجرة بين أشياء أخرى . طور علماء في جامعة كارنيجي ميلون سلة-GAN ما في وسعها لمحتوى الفيديو أو الصور المرسلة على آخر.

على سبيل المثال، والرسوم المتحركة في الوجه والوجه:

أو السماح لزهرة تشبه وظيفة أخرى واحدة مفتوحة:

2، فيديو

مزيد من الصور من الجبهة، هو الفيديو. وضعت Deepmind DVD-GAN

يتم جمع مجموعة البيانات الأصلية من عشرة - يوتيوب 50 مليون ثواني طويلة الفيديو عالية الدقة، ونهائي 256 256 بكسل قد تولد الفيديو، هل يمكن أن يكون ما يصل الى 48.

3، الموسيقى

بالإضافة إلى إنتاج الصورة، GAN يمكن أن تستخدم أيضا ليؤلف.

الأمازون لوحة المفاتيح deepcomposer وتمشيا مع مبادئ وGAN.

أدخل لحن بسيط، مولد عشوائي يخلق نموذج البيانات، للتمييز الممي. كل من التحسينات المتكررة، سوف تولد في نهاية المطاف بعض الموسيقى.

قد يكون طابع تجريبي المحاكمة: 1 أسطر من التعليمات البرمجية التي تعمل على حساب الكم! AWS السنوي Juxian: هناك ثلاثة أنواع من الأجهزة فائقة البقر على النحو الذي تختاره | الابهام ديراك حفيد يصل

4 والصوت

تطبيق GAN ليس كثيرا على صوت، وجوجل وإمبريال كوليدج الباحثين وضعت معا GAN-TTS هذا GAN استخدامات النظام، سيتم تحويل النص إلى صوت الطبيعي الحقيقي.

النظام لديه 10 الممي، سواء الصوت والنص جزء مسؤولا عن تحديد الناتج من نفسه، وجزء آخر من خطاب المعنية فقط مع الطبيعة الحقيقية سواء.

5، والكشف عن البريد المزعج

بعض الناس يستخدمون الإنترنت من أجل حل مشكلة الجهاز استعراض فرشاة وهمية. وقد طور الباحثون spamGAN للكشف عن البريد المزعج على الانترنت.

spamFAN تقنية التعلم شبه أشرف فيها كميات صغيرة من البيانات غير المسماة صفت مجموعة البيانات.

عندما 10 من بيانات التدريب المسمى، وبلغت دقة 71-86.

المستقبل GAN: كيف تحكم غرامة

وعلى الرغم من GAN حققت الكثير من التقدم، وقالت انتل مختبرات هانلين تانغ أنها لا تزال في مرحلة مبكرة.

لا يزال GAN في عداد المفقودين مراقبة دقيقة جدا، وهذا هو التحدي الكبير.

في الحوسبة، وهناك من الباحثين حاولوا نموذج خفيفة الوزن.

طورت IBM خوارزميات محرك متعدد الأوضاع والفريق يوسف مروة من الباحثين العاملين مع الزملاء معا GAN الصغيرة ، للحد من وقت التدريب واستخدام الذاكرة.

إنهم يريدون أن نسعى جاهدين لتحقيق ذلك، وإذا كان مولد دقيق جدا، فإنه سيكون للاستفادة من ضعف الثغرات الممي، بدلا من توليد صور أكثر واقعية لمولد خداع، وإذا تمييز دقيق جدا، من شأنه أن يعرقل عملية التقارب البناء

إذا لم يكن لديك هذا المبلغ بكثير من الحساب، وليس ذلك بكثير مزعجة شيء، وكيف ينبغي تغيير هذا النموذج. هذا هو الاتجاه هم الآن الجهود.

المراجع: الشبكي: //venturebeat.com/2019/12/26/gan-generative-adversarial-network-explainer-ai-machine-learning/https: //papers.nips.cc/paper/5423-generative-adversarial -nets.pdf

- انتهى -

و qubit QbitAI عناوين على عقد

تابعنا، أبلغ أول مرة طليعة التطورات العلمية والتكنولوجية