Sisällysluettelo:
Määritelmä - Mitä Wasserstein GAN (WGAN) tarkoittaa?
Wasserstein GAN (WGAN) on algoritmi, jonka esitteli Martin Arjovsky, Soumith Chintala ja Léon Bottou matemaattisten tieteiden instituutissa Courant Institute. Artikkelissa tarkastellaan ohjaamattoman oppimisen menetelmiä ja annetaan osa etenemissuunnitelmasta, jolla käsitellään tiettyjen tulosten saavuttamista koneoppimisprojekteissa.
Techopedia selittää Wasserstein GAN (WGAN)
Wasserstein GAN -algoritmi on variaatio generatiivisista kontraversioverkoista (GAN). Generatiivisissa kilpailevissa verkoissa on ominaisuuksia, jotka liittyvät tietojoukkojen erotteluun ja lopputulosten valintaan. Niiden käyttö on pohjimmiltaan hyödyllistä koneoppimisessa. Wassersteinin GAN on erityinen tyyppi GAN, joka ryhmän mukaan "minimoi Maan liikkujan etäisyyden kohtuullisen ja tehokkaan lähentämisen", jossa EM-etäisyys on menetelmä kahden moniulotteisen tietojoukon välisen erottelun tarkastelemiseksi.
Auttamalla ratkaisemaan generatiivisen kilpailevien verkostojen tärkeimmät koulutusongelmat yleensä, Wasserstein GAN voi olla hyödyllinen pyrkiessä mittasuhteiden vähentämiseen ja muihin tavoitteisiin, jotka liittyvät tiettyihin koneoppimistuloksiin.
