最小k次およびR’{e}nyi生成敵対ネットワーク【JST・京大機械翻訳】

Bhatia Himesh; Paul William; Alajaji Fady; Gharesifard Bahman; Burlina Philippe

プレプリント

J-GLOBAL ID：202202200896253178 整理番号：21P0034182

最小k次およびR’{e}nyi生成敵対ネットワーク【JST・京大機械翻訳】

Least $k$th-Order and R\'{e}nyi Generative Adversarial Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年06月03日プレプリントサーバーでの情報更新日： 2021年03月11日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

性能改善の目的で,生成敵対ネットワーク(GAN)の損失関数を一般化するために,情報理論的測度のパラメータ化ファミリーの使用を研究した。最小k次GAN(LkGAN)と呼ばれる新しい発電機損失関数を最初に紹介し,k≧1(k=2のときLSGAN損失関数を回復する)のk次絶対誤差歪測度を用いて最小二乗GAN(LSGANs)を一般化した。(非制約)最適識別器の下でこの一般化損失関数を最小化することは,k次Pearson-Vajda発散を最小化するために等価であることを示した。もう一つの新しいGAN発電機損失関数は,次に,次数α>0,α≠1のR’enyi交差エントロピー汎関数に関して提案した。α→1として元のGAN損失関数におそらく減少するこのR’enyi中心一般化損失関数は,Jensen-R’enyi発散,Jensen-Shannon発散の自然拡張に基づく元のGANによって満足される平衡点を保存することを示した。実験結果は,DCGANとStyleGANアーキテクチャの下で,MNISTとCelebAデータセットに適用した提案した損失関数が,それぞれ,パラメータkとαによって提供される余分の自由度によって,性能利益を与えることを示す。より具体的には,Fr’echet Inception Distance(FID)スコアと訓練安定性によって測定されるように,生成された画像の品質に関する改善を示す。GANsに適用したが,提案手法は一般的であり,深層学習,例えば,人工知能における公平性やプライバシーの問題などの情報理論の他の応用に使用できる。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

血液の腫よう , 電子分光スペクトル , 図形・画像処理一般 , 細胞生理一般 , 腫よう免疫

前のページに戻る