論文の概要: Redes Generativas Adversarias (GAN) Fundamentos Te\'oricos y Aplicaciones

• arxiv url: http://arxiv.org/abs/2302.09346v1
• Date: Sat, 18 Feb 2023 14:39:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-21 19:04:10.786898
• Title: Redes Generativas Adversarias (GAN) Fundamentos Te\'oricos y Aplicaciones
• Title（参考訳）: Redes Generativas Adversarias (GAN) Fundamentos Te'oricos y Aplicaciones
• Authors: Jordi de la Torre
• Abstract要約: GAN(Generative Adversarial Network)は、ジェネレータとジェネレータと呼ばれる2つのニューラルネットワークのトレーニングに基づく手法である。 GANはコンピュータビジョン、セマンティックセグメンテーション、時系列合成、画像編集、自然言語処理、テキストからの画像生成など幅広い分野で応用されている。
• 参考スコア（独自算出の注目度）: 0.40611352512781856
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative adversarial networks (GANs) are a method based on the training of two neural networks, one called generator and the other discriminator, competing with each other to generate new instances that resemble those of the probability distribution of the training data. GANs have a wide range of applications in fields such as computer vision, semantic segmentation, time series synthesis, image editing, natural language processing, and image generation from text, among others. Generative models model the probability distribution of a data set, but instead of providing a probability value, they generate new instances that are close to the original distribution. GANs use a learning scheme that allows the defining attributes of the probability distribution to be encoded in a neural network, allowing instances to be generated that resemble the original probability distribution. This article presents the theoretical foundations of this type of network as well as the basic architecture schemes and some of its applications. This article is in Spanish to facilitate the arrival of this scientific knowledge to the Spanish-speaking community.
• Abstract（参考訳）: GAN(Generative Adversarial Network)は、2つのニューラルネットワーク(1つはジェネレータ、もう1つは識別器)のトレーニングに基づいて、互いに競合し、トレーニングデータの確率分布に類似した新しいインスタンスを生成する手法である。 GANはコンピュータビジョン、セマンティックセグメンテーション、時系列合成、画像編集、自然言語処理、テキストからの画像生成など、幅広い分野で応用されている。 生成モデルはデータセットの確率分布をモデル化するが、確率値を提供する代わりに、元の分布に近い新しいインスタンスを生成する。 ganはニューラルネットワークで確率分布の属性を定義することを可能にする学習スキームを使用しており、元の確率分布に類似したインスタンスを生成することができる。 本稿では,このタイプのネットワークの理論的基礎と基本的アーキテクチャスキームとその応用について述べる。 この記事はスペイン語で、この科学的知識がスペイン語圏に到達するのを手助けするものである。

関連論文リスト

• Score Neural Operator: A Generative Model for Learning and Generalizing Across Multiple Probability Distributions [7.851040662069365]
  我々は,複数の確率分布からスコア関数へのマッピングを統一されたフレームワーク内で学習する,$emphScore Neural Operatorを紹介した。 提案手法は,新しい分布からの1つのイメージを利用すれば,その分布から複数の異なる画像を生成することができる。
  論文  参考訳（メタデータ） (2024-10-11T06:00:34Z)
• GNN-LoFI: a Novel Graph Neural Network through Localized Feature-based Histogram Intersection [51.608147732998994]
  グラフニューラルネットワークは、グラフベースの機械学習の選択フレームワークになりつつある。 本稿では,古典的メッセージパッシングに代えて,ノード特徴の局所分布を解析するグラフニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-01-17T13:04:23Z)
• Autocodificadores Variacionales (VAE) Fundamentos Te\'oricos y Aplicaciones [0.40611352512781856]
  VAEはニューラルネットワークに基づく確率的グラフィカルモデルである。 この論文はスペイン語で書かれており、スペイン語圏のコミュニティにこの科学的知識が浸透するのを手助けしている。
  論文  参考訳（メタデータ） (2023-02-18T15:29:55Z)
• Traditional Classification Neural Networks are Good Generators: They are Competitive with DDPMs and GANs [104.72108627191041]
  従来のニューラルネットワーク分類器は、最先端の生成モデルに匹敵する高品質な画像を生成することができることを示す。 マスクをベースとした再構成モジュールを提案し, 意味的勾配を意識し, 可視画像の合成を行う。 また,本手法は,画像テキスト基盤モデルに関して,テキスト・画像生成にも適用可能であることを示す。
  論文  参考訳（メタデータ） (2022-11-27T11:25:35Z)
• Generative Adversarial Nets: Can we generate a new dataset based on only one training set? [16.3460693863947]
  GAN(Generative Adversarial Network)は、Goodfellowらによって設計された機械学習フレームワークのクラスである。 GANはトレーニングセットと同じ分布から新しいサンプルを生成する。 本研究では、トレーニングセットとは異なる分布を持つ新しいデータセットを作成することを目的としている。
  論文  参考訳（メタデータ） (2022-10-12T08:22:12Z)
• On some theoretical limitations of Generative Adversarial Networks [77.34726150561087]
  GANが任意の確率分布を生成できるという一般的な仮定である。 GANが重み付き分布を生成できないことを示すExtreme Value Theoryに基づく新しい結果を提供する。
  論文  参考訳（メタデータ） (2021-10-21T06:10:38Z)
• Multi-Branch Deep Radial Basis Function Networks for Facial Emotion Recognition [80.35852245488043]
  放射状基底関数(RBF)ユニットによって形成された複数の分岐で拡張されたCNNベースのアーキテクチャを提案する。 RBFユニットは、中間表現を用いて類似のインスタンスで共有される局所パターンをキャプチャする。 提案手法は,提案手法の競争力を高めるためのローカル情報の導入であることを示す。
  論文  参考訳（メタデータ） (2021-09-07T21:05:56Z)
• Regularized Generative Adversarial Network [0.0]
  本稿では,トレーニングセットの確率分布とは異なる確率分布からサンプルを生成するフレームワークを提案する。 我々はこの新モデルを正規化生成対向ネットワーク(RegGAN)と呼ぶ。
  論文  参考訳（メタデータ） (2021-02-09T01:13:36Z)
• Deep Archimedean Copulas [98.96141706464425]
  ACNetは、構造的特性を強制する、新しい差別化可能なニューラルネットワークアーキテクチャである。 我々は、ACNetが共通のアルキメデスコピュラスを近似し、データに適合する可能性のある新しいコプラを生成することができることを示した。
  論文  参考訳（メタデータ） (2020-12-05T22:58:37Z)
• Generative Adversarial Networks (GANs): An Overview of Theoretical Model, Evaluation Metrics, and Recent Developments [9.023847175654602]
  GAN(Generative Adversarial Network)は,大規模データ分散のサンプルを作成する上で有効な手法である。 GANはラベル付きトレーニングデータを広く使用せずにディープ表現を学習する適切な方法を提供する。 GANでは、ジェネレータと識別器のネットワークを同時にトレーニングする競合プロセスを通じて生成モデルを推定する。
  論文  参考訳（メタデータ） (2020-05-27T05:56:53Z)
• GANs with Conditional Independence Graphs: On Subadditivity of Probability Divergences [70.30467057209405]
  GAN(Generative Adversarial Networks)は、データセットの基盤となる分布を学習するための現代的な手法である。 GANは、基礎となるディストリビューションに関する追加情報がないモデルフリーで設計されている。 本稿では,ベイズネット/MRFの近傍に単純な識別器群を用いたモデルベースGANの設計を提案する。
  論文  参考訳（メタデータ） (2020-03-02T04:31:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。