ภาพรวมของโครงสร้าง GAN

Generative Adversarial Network (GAN) ประกอบด้วย 2 ส่วน ได้แก่

• Generator จะเรียนรู้เพื่อสร้างข้อมูลที่เป็นไปได้ อินสแตนซ์ที่สร้างขึ้นจะกลายเป็นตัวอย่างการฝึกเชิงลบสำหรับผู้แยกแยะ
• ตัวแยกแยะจะเรียนรู้ที่จะแยกแยะข้อมูลปลอมของเครื่องมือสร้างจากข้อมูลจริง ตัวแยกแยะจะลงโทษ Generator หากสร้างผลลัพธ์ที่ไม่สมเหตุสมผล

เมื่อเริ่มการฝึก เครื่องมือสร้างจะสร้างข้อมูลที่ปลอมอย่างเห็นได้ชัด และตัวแยกแยะจะเรียนรู้อย่างรวดเร็วว่าข้อมูลดังกล่าวเป็นข้อมูลปลอม

เมื่อการฝึกอบรมดำเนินไป ตัวแปรสร้างจะผลิตเอาต์พุตที่หลอกลวงตัวแยกแยะได้มากขึ้นเรื่อยๆ ดังนี้

สุดท้าย หากการฝึกสร้างข้อมูลเป็นไปอย่างราบรื่น ตัวแยกแยะจะแยกแยะความแตกต่างระหว่างเนื้อหาจริงและเนื้อหาปลอมได้แย่ลง ระบบจะเริ่มจัดประเภทข้อมูลปลอมเป็นข้อมูลจริงและความแม่นยำจะลดลง

ต่อไปนี้เป็นภาพของระบบทั้งหมด

ทั้งตัวสร้างและตัวแยกแยะเป็นเครือข่ายประสาท เอาต์พุตของเครื่องกำเนิดไฟฟ้าเชื่อมต่อกับอินพุตของตัวแยกสัญญาณโดยตรง การจัดประเภทของตัวแยกแยะจะส่งสัญญาณที่ตัวสร้างใช้เพื่ออัปเดตน้ำหนักผ่านการย้อนกลับ

เรามาอธิบายส่วนต่างๆ ของระบบนี้อย่างละเอียดกัน