نظرة عامة على بنية GAN

تتكوّن الشبكة التنافسية التوليدية (GAN) من جزأين:

• يتعلم المنشئ إنشاء بيانات معقولة. تصبح النماذج التي تم إنشاؤها أمثلة تدريب سلبية لنموذج التمييز.
• يتعلم المميّز التمييز بين البيانات المزيّفة التي ينشئها "أداة إنشاء الصور" وال data الحقيقية. يفرض المعرِّف عقوبة على المولد بسبب إنتاجه لنتائج غير معقولة.

عند بدء التدريب، يُنشئ المُنشئ بيانات زائفة بشكل واضح، ويتعلم المُميِّز بسرعة أنّها زائفة:

مع تقدّم عملية التدريب، يقترب المُنشئ من إنتاج نتائج يمكنها خداع المُميِّز:

أخيرًا، إذا سارت عملية تدريب المولد على ما يرام، سيتدهّر أداء المميّز في معرفة الفرق بين الصور الحقيقية والمزيفة. يبدأ في تصنيف البيانات المزيّفة على أنّها حقيقية، وتقل دقته.

في ما يلي صورة للنظام بأكمله:

كلّ من المولد والمحرِّف هما شبكتَان عصبيتان. يتم توصيل مخرج المولد مباشرةً بمدخل المميّز. من خلال الانتشار العكسي، يقدّم تصنيف المميّز إشارة يستخدمها المُنشئ لتعديل أوزانه.

لنوضّح أجزاء هذا النظام بمزيد من التفصيل.