Christophe Cerisara

Site personnel


Project maintained by cerisara Hosted on GitHub Pages — Theme by mattgraham

GAN

Generative Adversarial Network: plutôt que générer des données en minimisant simplement la distance entre les données générées et les exemples réels (c’est l’apprentissage classique), un bien meilleur générateur peut être obtenu en lui apprenant à générer des exemples qui trompent un autre réseau, qui est lui entraîné à discriminer les exemples réels des faux. Pas facile à faire converger, mais d’innombrables progrès ont été réalisés (cf. par ex. Wasserstein-GAN).