抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
生成敵対ネットワーク(GAN)は強力な生成モデルである。しかし,それは収束不安定性やモード崩壊のようないくつかの問題を受ける。これらの欠点を克服するために,本論文は,1つの発電機と2つの異なる識別器から成るGANの新しいアーキテクチャを提示する。GANがミニマックスゲームの類推であるという事実によって,提案したアーキテクチャは次の通りである。発電機(G)は,2つの識別器の両方に対して,現実的に見えるサンプルを製造することを目的とする。最初の識別器(D_1)は,データ分布からのサンプルに対する高いスコアを報酬し,一方,第2の(D_2)は,逆に発電機からのサンプルに好ましかった。特に,ResBlockとミニバッチ識別(MD)アーキテクチャをD_1に採用し,試料の多様性を改善した。漏れ補正線形ユニット(Leaky ReLU)とバッチ正規化(BN)をD_2のスケール指数線形ユニット(SELU)で置換し,収束問題を軽減した。KL発散を最小化する新しい損失関数を設計し,モデルをより良く最適化した。CIFAR-10/100データセットに関する大規模な実験は,提案方法が収束とモード崩壊の問題を効果的に解決することができることを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】