BriefGPT.xyz
Sep, 2018
生成对抗网络: 超越散度最小化
GANs beyond divergence minimization
HTML
PDF
Alexia Jolicoeur-Martineau
TL;DR
本研究讨论了与 G(生成器)相关的大多数损失函数的属性,表明这些损失函数并不是发散的,并且不具有发散的期望平衡。研究结果显示, GANs 不符合发散最小化理论,并且形成了比先前假设的模型更广泛的模型范围。
Abstract
generative adversarial networks
(
gans
) can be interpreted as an
adversarial game
between two players, a discriminator D and a generator G,
→