Innholdsfortegnelse:
Definisjon - Hva betyr Wasserstein GAN (WGAN)?
Wasserstein GAN (WGAN) er en algoritme introdusert i et papir skrevet av Martin Arjovsky, Soumith Chintala og Léon Bottou ved Courant Institute of Mathematical Sciences. Oppgaven undersøker metoder for uovervåket læring, og gir en del av veikartet for å håndtere forfølgelsen av visse resultater i maskinlæringsprosjekter.
Techopedia forklarer Wasserstein GAN (WGAN)
Wasserstein GAN-algoritmen er en variant av generative adversarial nettverk (GAN). Generative adversarial nettverk funksjoner evner relatert til å skille mellom datasett og velge utfall er grunnleggende nyttige i maskinlæring. Wasserstein GAN er en spesifikk type GAN som ifølge teamet "minimerer en rimelig og effektiv tilnærming av Earth Mover's distance", der EM-avstanden er en metode for å se på ulikhet mellom to flerdimensjonale datasett.
Gjennom å hjelpe til med å håndtere store treningsproblemer i generative motstandernettverk generelt, kan Wasserstein GAN være nyttig i jakten på dimensjonalitetsreduksjon og andre mål relatert til spesifikke maskinlæringsresultater.
