阅读权限 255 威望 1 级论坛币 49407 个 通用积分 51.9304 学术水平 370 点 热心指数 273 点 信用等级 335 点 经验 57815 点 帖子 4006 精华 21 在线时间 582 小时 注册时间 2005-5-8 最后登录 2023-11-26
学术权威
还不是VIP /贵宾
TA的文库 其他...
R资源总汇
Panel Data Analysis
Experimental Design
威望 1 级论坛币 49407 个 通用积分 51.9304 学术水平 370 点 热心指数 273 点 信用等级 335 点 经验 57815 点 帖子 4006 精华 21 在线时间 582 小时 注册时间 2005-5-8 最后登录 2023-11-26
开心
2017-10-21 10:25:33
签到天数: 1 天
连续签到: 1 天
[LV.1]初来乍到
相似文件
换一批
经管之家送您一份
应届毕业生专属福利!
求职就业群
感谢您参与论坛问题回答
经管之家送您两个论坛币!
+2 论坛币
生成对抗网络是现在人工智能领域的当红技术之一。近日,Sigmoidal.io 的博客发表了一篇入门级介绍文章,对 GAN 的原理进行了解释说明。另外,在该文章的最后还附带了一些能帮助初学者自己上手开发实验的资源(包含演讲、教程、代码和论文),其中部分资源机器之心也曾有过报道或解读,读者可访问对应链接查阅。
你怎么教一台从未见过人脸的机器学会绘出人脸?计算机可以存储拍字节级的照片,但它却不知道怎样一堆像素组合才具有与人类外表相关的含义。
多年以来,已经出现了很多各种各样旨在解决这一问题的生成模型。它们使用了各种不同的假设来建模数据的基本分布,有的假设太强,以至于根本不实用。
对于我们目前的大多数任务来说,这些方法的结果仅仅是次优的。使用隐马尔可夫模型生成的文本显得很笨拙,而且可以预料;变分自编码器生成的图像很模糊,而且尽管这种方法的名字里面有「变」,但生成的图像却缺乏变化。所有这些缺陷都需要一种全新的方法来解决,而这样的方法最近已经诞生了。
在这篇文章中,我们将对生成对抗网络(GAN)背后的一般思想进行全面的介绍,并向你展示一些主要的架构以帮你很好地开始学习,另外我们还将提供一些有用的技巧,可以帮你显著改善你的结果。 复制代码
扫码加我 拉你入群
请注明:姓名-公司-职位
以便审核进群资格,未注明则拒绝