Generative Adversarial Networks (GAN's) zijn een soort deep learning-raamwerk, bestaande uit twee neurale netwerken die met elkaar concurreren. Het generatornetwerk, G, is belast met het creëren van nieuwe gegevens of afbeeldingen die echt lijken. Het tweede netwerk, het discriminatornetwerk, D, is getraind om onderscheid te maken tussen echte gegevens en de valse gegevens die door het G-netwerk worden gegenereerd.
De twee netwerken werken elkaar constant tegen om hun prestaties in hun respectieve taken te verbeteren. Naarmate het G-netwerk probeert meer realistisch ogende gegevens te genereren, wordt het D-netwerk beter in het identificeren van de nepgegevens die door G worden geproduceerd. Na verloop van tijd zullen deze twee netwerken van elkaar leren en zal het G-netwerk gegevens genereren die niet te onderscheiden zijn van echte gegevens. GAN's hebben veel praktische toepassingen, van het maken van realistische afbeeldingen tot het genereren van synthetische gegevens voor het trainen van machine learning-modellen.
Publicatie datum: