나는에 대한 책을 읽은하고 생산적인 적대 네트워크 (간스) 나는 그것을 관한 몇 가지 의문이있다. 지금까지 GAN에는 두 가지 유형의 신경망이 있음을 이해합니다. 하나는 생성 적 ( $G$ )이고 다른 하나는 차별적 ( $D$ )입니다. 생성 신경망은 차별 신경망이 정확성을 판단하는 데이터를 생성합니다. GAN은 손실 기능을 두 네트워크에 전달하여 학습합니다.

차별적 ( $D$ ) 신경망은 처음에 $G$ 에 의해 생성 된 데이터 가 정확한지 어떻게 알 수 있습니까? $D$ 먼저 훈련시킨 다음 $G$ 를 사용하여 GAN에 추가해야 합니까?

훈련 된 $D$ net을 고려 하여 90 %의 정확도로 그림을 분류 할 수 있습니다. 이 $D$ net을 GAN에 추가하면 10 % 확률로 이미지가 잘못 분류됩니다. 이 $D$ net 으로 GAN을 훈련 시키면 이미지를 분류 할 때 동일한 10 % 오류가 발생합니까? 그렇다면 왜 GAN이 유망한 결과를 보여줍니까?

생성 된 데이터와 실제 데이터 비교

G에 의해 생성 된 모든 결과는 아주 좋은 발전기라도 정의상 항상 "잘못된"것으로 간주됩니다.

$D$$G$

$D$$G$

$D$

$D$$G$$D$$D$

즉,이 시나리오를 사용하면 생성기 모델이 실제 데이터의 더 나은 기능을 배우고 실제 기능과 노이즈를 구분하는 방법을 배우게되므로 신경망의 분류 능력을 향상시키는 좋은 "감독되지 않은"방법이 될 수 있습니다. 전통적인 감독 학습 체계에 필요한 데이터가 훨씬 적습니다.