深度对立学习整装待发，或将改动传统AI格局(1/4)

为了建模真实的数据散布，生成器学习如何生成实践的数据样本，而鉴别器学习如何肯定这些样本能否是真实的。怀着对“了解某事的最终表白能够重现它”的信仰，我们觉得我们的目的似乎是值得的。假如我们能够胜利地将我们的GAN锻炼到均衡状态（不论多么圆满的鉴别器也无法将生成的样本与实践样原形分辨），我们应该能够将这种取得的对数据的了解应用于简直任何具有最佳性能的任务中。问题犹 ... [查看原文]

标签： 理查德米勒

全部图片

查看原图