Explorez les concepts clés, entraînez-vous avec des flashcards et testez vos connaissances, puis débloquez le pack complet.
Les Réseaux de neurones antagonistes génératifs (GANs) sont une avancée majeure dans le domaine de la modélisation générative. Ils reposent sur une architecture de réseaux de neurones composée de deux réseaux en compétition : le générateur et le discriminateur.
L'apprentissage des GANs se déroule dans un cadre où le générateur et le discriminateur améliorent constamment leurs performances, créant un environnement d'apprentissage dynamique et évolutif.
Qu'est-ce qu'un réseau antagoniste génératif (GAN)?
Un cadre composé de deux réseaux de neurones : un générateur et un discriminateur, qui s'affrontent dans un cadre théorique de jeu.
Quel est le rôle principal du générateur dans les GANs?
Le générateur crée de nouveaux échantillons de données à partir d'un bruit aléatoire pour imiter la distribution des données d'entraînement.
Quelle fonction remplit le discriminateur dans un GAN?
Le discriminateur évalue l'authenticité des échantillons produits par le générateur, distinguant les échantillons réels des échantillons générés.
Cliquez sur une carte pour voir la réponse
Q1
Quels réseaux composent un GAN?
Q2
Quel est l'objectif principal du générateur dans les GANs?
Q3
Comment se déroule l'entraînement des GANs?
Téléchargez vos notes ou PDF pour obtenir des notes complètes en quelques secondes.
S'inscrire gratuitement → Pas de carte • 1 pack gratuit inclus