סקירה כללית של מבנה GAN

רשת דורבנית גנרית (GAN) מורכבת משני חלקים:

• המחולל לומד ליצור נתונים מתאימים. המופעים שנוצרים הופכים לדוגמאות שליליות של אפליה.
• ההבחנה לומדת להבחין בין נתונים מזויפים של המחולל לבין נתונים אמיתיים. האפליה, שגורמת לפגיעה, גורמת לעיקול המחולל על יצירת תוצאות בלתי צפויות.

כאשר האימון מתחיל, המחולל יוצר נתונים מזויפים לכאורה, והאפליה לומדת במהירות לציין שמדובר בזיוף:

ככל שהאימון מתקדם, הגנרטור מתקרב ליצירת פלט שעלול להטעות את האפליה:

לבסוף, אם האימון של הגנרטור פועל כהלכה, האפליה קשה יותר לזיהוי ההבדלים בין אמת לזיוף. הוא מתחיל לסווג נתונים מזויפים, והדיוק שלהם יורד.

הנה תמונה של המערכת כולה:

גם המחולל וגם האפליה הם רשתות נוירונים. הפלט של המחולל מחובר ישירות לקלט האפליה. באמצעות חיזוי הפצה, הסיווג של ההבחנה מצביע על כך שהמחולל משתמש כדי לעדכן את משקלו.

נסביר בפירוט מהם הקטעים של המערכת הזו.