Глоссарий ИИ
Полный словарь искусственного интеллекта
Развернутый GAN
Техника, в которой дискриминатор обучается с учетом будущих обновлений генератора, «разворачивая» оптимизацию на несколько шагов для обеспечения более стабильного градиента и предотвращения коллапса мод.
Поисковая потеря мод
Функция потерь, предназначенная для штрафования сходства между сгенерированными образцами из разных латентных векторов, явно побуждая генератор исследовать и представлять все моды распределения данных.
GAN, чувствительный к разнообразию (DSGAN)
Вариант GAN, который интегрирует метрику разнообразия непосредственно в функцию потерь генератора, штрафуя его за создание избыточных образцов и побуждая охватывать все пространство данных.
Правило обновления с двумя временными масштабами (TTUR)
Метод оптимизации, использующий разные скорости обучения для генератора и дискриминатора, часто с более медленной скоростью для генератора, для улучшения сходимости и стабильности, уменьшая коллапс мод.
PackGAN
Подход, при котором дискриминатор оценивает «пакеты» сгенерированных и реальных образцов одновременно, заставляя его учитывать отношения между образцами и побуждая генератор производить более разнообразные выходные данные.
Отталкивающий регуляризатор
Регуляризатор, добавленный к функции потерь генератора, который штрафует близость сгенерированных выходных данных в пространстве признаков, создавая «силу отталкивания» для поддержания разнообразия и противодействия коллапсу мод.
Шум экземпляров
Метод, заключающийся в добавлении случайного шума к входам дискриминатора (реальным и сгенерированным) для сглаживания его функции принятия решений, предотвращая преждевременное сосредоточение генератора на ограниченном числе мод.
Регуляризация консенсуса
Стратегия, при которой обучаются несколько дискриминаторов или ансамбль дискриминаторов, а генератор регуляризуется для создания выходных данных, получающих консенсус, что предотвращает его переобучение на одном дискриминаторе и коллапс мод.