סקירה כללית של מבנה GAN

רשת למידה חישובית גנרטיבית (GAN) מורכבת משני חלקים:

• הגנרטור לומד ליצור נתונים סבירים. המופעים שנוצרים הופכים לדוגמאות אימון שליליות למבדל.
• המייחד לומד להבדיל בין הנתונים המזויפים של המחולל לבין נתונים אמיתיים. המבדיל מעניש את הגנרטור על יצירת תוצאות לא סבירות.

כשהאימון מתחיל, הגנרטור יוצר נתונים מזויפים באופן מובהק, והמייחד לומד במהירות לזהות שהם מזויפים:

ככל שהאימון מתקדם, המחולל מתקרב יותר לייצור פלט שיכול להטעות את המבדילה:

לבסוף, אם אימון הגנרטורים מתבצע בצורה טובה, יכולת המבדיל להבחין בין תמונות אמיתיות למזויפות הולכת ופוחתת. הוא מתחיל לסווג נתונים מזויפים כנתונים אמיתיים, והדיוק שלו יורד.

זו תמונה של המערכת כולה:

גם הגנרטור וגם הדיסקרימינטור הם רשתות נוירונים. הפלט של המחולל מחובר ישירות לקלט של המזהה. באמצעות העברה לאחור, הסיווג של המזהה מספק אות שהגנרטור משתמש בו כדי לעדכן את המשקלים שלו.

נרחיב על החלקים השונים של המערכת הזו.