Home » Intelligenza Artificiale » 📋 URL
Un GAN (Generative Adversarial Network) è composto da due reti neurali separate:
- Rete generatrice: responsabile per la creazione di nuovi dati. Il suo scopo è quella di cercare di far fallire il discriminatore, ovvero di renderlo incapace di distinguere un esempio che effettivamente appartiene al problema da uno generato invece dalla rete generatrice stessa
- Rete discriminatrice: deve cercare di distinguere gli esempi generati dalla rete generatrice da quelli effettivamente appartenenti al problema
I GANs possono soffrire delle seguenti problematiche:
- Mode collapse (underfitting): si verifica quando il generatore impara a produrre soltanto un piccolo insieme di immagini rispetto a quelle presenti all’interno dell’insieme di allenamento
- Mode hopping: succede quando il generatore impara a produrre degli esempi che la rete discriminatrice non è in grado di distinguere e continua a saltare tra essi
In poche parole
✅ Le GAN (Generative Adversarial Networks) sono algoritmi di Machine Learning utilizzati per generare nuovi esempi partendo da una base di dati. Sono composte da due reti neurali separate: una rete generatrice che crea nuovi esempi, e una rete discriminatrice che cerca di distinguere gli esempi generati dalla rete generatrice da quelli reali.
✅ Le GAN possono soffrire di problemi come il “mode collapse” (produzione limitata di immagini) e il “mode hopping” (saltare tra esempi indistinguibili).
Questa pagina è stata utile?
SìNo