सामान्य विज्ञापन नेटवर्क (GAN) के दो हिस्से होते हैं:
- जनरेटर बेहतर डेटा जनरेट करना सीखता है. जनरेट किए गए इंस्टेंस, भेदभाव करने वाले व्यक्ति के लिए नेगेटिव ट्रेनिंग के उदाहरण बन जाते हैं.
- विभाजक को असली डेटा से जनरेटर के नकली डेटा में अंतर करने का तरीका पता चलता है. भेदभाव करने वाले व्यक्ति के काम करने के सामान्य तरीके से काम करने पर, जनरेट करने वाले पर जुर्माना लगाया जाता है.
ट्रेनिंग शुरू होने पर, जनरेटर जाहिर तौर पर नकली डेटा जनरेट करता है. साथ ही, उसे रोकने वाला इस बात का पता लगा लेता है कि वह नकली है:
जैसे-जैसे ट्रेनिंग आगे बढ़ती है, जनरेटर उतना ही आगे बढ़ता जाता है और भेदभाव करने वाले को गुमराह किया जा सकता है:
और अंत में, अगर जनरेटर की ट्रेनिंग अच्छी तरह से हो जाती है, तो भेदभाव करने वाला असली और नकली के बीच का अंतर बताता है. यह नकली डेटा को असली के तौर पर मार्क करना शुरू कर देता है. साथ ही, इसकी सटीक जानकारी कम हो जाती है.
यहां पूरे सिस्टम की तस्वीर है:
जनरेटर का काम और भेदभाव करने वाला, दोनों ही न्यूरल नेटवर्क हैं. जनरेटर आउटपुट सीधे डिसिमिटर इनपुट से जुड़ा होता है. बैकप्रॉम्पेशन के ज़रिए, विरोध करने वाले और #39; की कैटगरी से यह पता चलता है कि जनरेटर के इस्तेमाल से वज़न अपडेट किया जा सकता है.
इस सिस्टम के हिस्सों के बारे में ज़्यादा जानकारी दें.