شبكة لى فنغ (عدد الجمهور: ليو فنغ شبكة) AI Yanxishe [هذه المسألة] أوراق
الاستفادة المثلى من الفضاء الكامنة شبكات التوليدية
جيل إمكانية تحسين الشبكة
في الآونة الأخيرة، يولد شبكة المواجهة (GAN) حققت تقدما جديدا في دراسة تعلم الآلة. نحن يمكن أن تخلق مباشرة صورة جديدة من صورة ولدت الحيوانات 3D الرسومات، أو لخلق منتج جديد يقوم على تحرير الصور لدينا.
ولدت ضد وسائل الشبكة أن هناك متنافسين الشبكات العصبية في منافسة مع بعضها البعض. توليد شبكة محاولة لتوليد صور أكثر واقعية، والصور المنقولة بالشبكة يتم تحديد، والفرق بين العزم محاولات شبكة لتحديد الصورة الحقيقية للصورة وهمية.
في هذه العملية، وهما الشبكات العصبية للتعلم وتحسين معا، ومعرفة القدرة المتنامية (للوصول إلى حالة مستقرة).
ومع ذلك، لم يكن التدريب المتبادل بين هذه الشبكات سهلة - نحن لا نعرف ما إذا كانت عملية التقارب، أو ما إذا كانت اللعبة التوازن غير متعاون. غير التعاونية وسيلة لعبة التوازن أن اثنين من الممثلين يعتقدون أنهم وجدوا استراتيجية الأمثل، مع الأخذ في الاعتبار أيضا غيرها من الجهات الفاعلة قرار ممكن، لكنها لن تضطر إلى تغيير تكتيكاتهم المهتمين.
كما لعبة المشهد الكلاسيكي: اثنين من المشتبه بهم أدين تفكر في ما إذا كان ينبغي تتواطأ مع بعضها البعض، ولكن لا الطرف الآخر لا يعرف أي قرار لاتخاذ الإجراءات اللازمة.
الذكاء الاصطناعي ونظرية اللعبة متشابهة، ولكن أكثر قوة هو هذا: هنا، نحن لسنا بحاجة إلى محاولة تأسيس نظام للتعامل مع هذا الوضع، ويشار إلى هذا النهج على أنه القدرة على توليد الأمثل، ويشار GLO.
فيما يلي وصف فقط لخداع تحديد الشبكة باستخدام الشبكة التي تم إنشاؤها. إذا كنت قد قرأت الخط تصميم إصلاح المهنية، كما تعلمون هذا هو وقت طويل منطقة معقدة جدا. ومع ذلك، إذا كنا نريد لخلق نوع الخط الجديد، ونحن عادة لا يهتمون إلا عدد قليل من السمات، مثل كيف ينحني، ثم، أو كما أننا نتعامل مع بسيطة خط وصف الرقيق كما يمكن تطبيق نفس المبادئ على الناس وجوه، والحيوانات، ومعظم الموضوعات يمكنك أن تتخيل. وهذا يعني أن هناك العديد من المجمع، ومفهوم يحتوي على الكثير من المعلومات.
هذه المفاهيم التي معظم المعلومات قد يتم القبض ببساطة عن طريق عدد قليل من وصف وظيفي، والذي من المتوقع من البيانات الأبعاد عالية في الفضاء الأبعاد منخفضة لاستكمال المخفية.
هذا يساعد في القضاء على إمكانية تحسين المواجهة الفضاء، مما يجعل النظام بتدريب أكثر سهولة. والميزة الرئيسية هي أنه لا يزال يحتفظ خصائص تولد جذابة ضد شبكة، مما يعني أنه يمكن تصنيعه من عينة التعلم مجموعة البيانات الجديدة.
إذا كنت تعلم مفهوم الطيور، والطيور تكون قادرة على تجميع جديدة، ويمكن أن تؤدي الاستيفاء المستمر بين نقاط البيانات. وهذا يعني أننا يمكن أن تنتج حالة وسطية بين الخيارين، فمن الممكن لإجراء عمليات حسابية بسيطة بين أي عدد من نقاط البيانات.
على سبيل المثال، إذا كان ذكرا كان يرتدي نظارة شمسية، B ليس النظارات الشمسية الرجال، C هو من الإناث. ثم A-B + C سوف تنتج النساء ارتداء النظارات الشمسية. ويمكن أن تستخدم أيضا لفائقة الدقة، وبطبيعة الحال، هناك العديد من الجوانب الأخرى.
ساعة أطروحة تفسير يستغرق حوالي أربع دقائق
قراءة الورقة: الشبكي: //arxiv.org/abs/1707.05776
طلاب من ذوي الخبرة يعرفون، لتوليد المواجهة الشبكة، وهناك الكثير من البحوث حول كيفية تجميع صور عالية الدقة من خلال المزيد من التفاصيل. وهذا يعني أن هذه هي مثيرة، وجعل الناس رؤية أكثر انفتاحا للعمل. ولكن هذا لا يقارن مع متابعة GAN، بعد كل شيء، ويستند GAN أيضا على الأبحاث على أكثر نضجا.
تنتج لى فنغ شبكة AI Yanxishe سلسلة فيديو قصيرة "ورقة دقيقتين"، وقراءة مع التكنولوجيا المتطورة مع شظايا من الوقت، والتعرف على أحدث نتائج البحوث في مجال AI. مرحبا بكم في القسم مجموعة الشبكة المعنية ترجمات لى فنغ لى فنغ لمعرفة المزيد من المعرفة AI ~ أشكر المتطوعين للمساهمة في هذه المسألة.