Explore conceitos-chave, pratique com flashcards e teste seus conhecimentos — depois desbloqueie o pacote completo.
As Redes Generativas Adversariais (GANs) consistem em duas redes neurais que competem: o gerador e o discriminador. Essa arquitetura adversarial possibilita a criação de novas instâncias de dados que se assemelham aos dados originais. As GANs representam uma mudança significativa no paradigma da modelagem gerativa e oferecem vantagens únicas sobre os métodos tradicionais.
No treinamento de GANs, o gerador e o discriminador são otimizados em um jogo competitivo. O gerador busca melhorar sua capacidade de produzir amostras realistas, enquanto o discriminador aprimora sua habilidade de distinguir entre amostras verdadeiras e geradas. Este ciclo de feedback contínuo é essencial para o sucesso das GANs.
O que é uma Rede Generativa Adversarial (GAN)?
Uma arquitetura que consiste em duas redes neurais: um gerador e um discriminador, que competem entre si em um contexto de teoria dos jogos.
Qual é o papel do gerador em uma GAN?
O gerador cria novas amostras de dados a partir de ruído aleatório para imitar os dados de treinamento.
O que faz o discriminador em uma GAN?
O discriminador avalia a autenticidade das amostras geradas, determinando se são reais ou falsas.
Clique em qualquer carta para revelar a resposta
Q1
Quais as duas redes neurais que compõem uma GAN?
Q2
Qual é o principal objetivo do gerador nas GANs?
Q3
O que caracteriza o treinamento de uma GAN?
Faça upload de suas notas, PDF ou aula para obter notas completas, flashcards e exames em segundos.
Comece Grátis → Sem cartão de crédito • 1 pacote grátis incluído