HyperAIHyperAI

Command Palette

Search for a command to run...

شبكات التعلم المعاكسة من الدرجة الأولى

Calvin Seward Thomas Unterthiner Urs Bergmann Nikolay Jetchev Sepp Hochreiter

الملخص

تتفوق الشبكات المولدة المتنافسة (GANs) في تعلم التوزيعات ذات الأبعاد العالية، ولكن يمكنها تحديث معلمات المولد في اتجاهات لا تتوافق مع اتجاه الانحدار الأقصى للدالة الهدف. من الأمثلة البارزة على اتجاهات التحديث المشكّلة تلك المستخدمة في كلاً من GAN الأصلي لجودفيلو (Goodfellow) و WGAN-GP. لوصف اتجاه التحديث الأمثل بشكل رسمي، نقدم إطارًا نظريًا يسمح باشتقاق متطلبات على الاختلاف والطريقة المقابلة لتحديد اتجاه التحديث، حيث تضمن هذه المتطلبات تحديثات الدفع الصغيرة الخالية من التحيز في اتجاه الانحدار الأقصى. نقترح اختلافًا جديدًا يقترب من المسافة فايسرتاين (Wasserstein) بينما يقوم بتنظيم المعلومات من الدرجة الأولى للمقّيم (critic). بالاشتراك مع اتجاه تحديث مصاحب، هذا الاختلاف يحقق المتطلبات لتحديثات الانحدار الأقصى الخالية من التحيز. نتحقق من طريقتنا، وهي الشبكة المولدة المتنافسة من الدرجة الأولى (First Order GAN)، بإنشاء صور على CelebA و LSUN و CIFAR-10 ونحدد حالة جديدة رائدة في مهمة إنشاء اللغة لمليار كلمة. الرمز البرمجي لإعادة تجربة التجارب متاح.请注意,为了符合科技新闻或学术写作的语言风格,我在翻译中尽量采用了正式、客观的表达方式,并确保了专业术语的准确性。同时,我也优化了句子结构,使其更符合阿拉伯语读者的阅读习惯。


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
شبكات التعلم المعاكسة من الدرجة الأولى | مستندات | HyperAI