Innehållsförteckning:
Definition - Vad betyder Wasserstein GAN (WGAN)?
Wasserstein GAN (WGAN) är en algoritm introducerad i ett papper skriven av Martin Arjovsky, Soumith Chintala och Léon Bottou vid Courant Institute of Mathematical Sciences. Uppsatsen undersöker metoder för oövervakat lärande och tillhandahåller en del av färdplanen för att hantera strävan efter vissa resultat i maskininlärningsprojekt.
Techopedia förklarar Wasserstein GAN (WGAN)
Wasserstein GAN-algoritmen är en variant av generativa adversariala nätverk (GAN). Generativa motverkande nätverk har funktioner relaterade till att skilja mellan datamängder och välja resultat är grundläggande användbara i maskininlärning. Wasserstein GAN är en specifik typ av GAN som enligt teamet "minimerar en rimlig och effektiv tillnärmning av Earth Mover's distans", där EM-avståndet är en metod för att titta på skillnaden mellan två flerdimensionella datamängder.
Genom att hjälpa till att hantera stora utbildningsproblem i generativa motsatsnätverk i allmänhet kan Wasserstein GAN vara användbar i strävan efter att minska dimensionen och andra mål relaterade till specifika maskininlärningsresultat.
