Generative Adversarial Networks (GANs) são um tipo de estrutura de aprendizado profundo, consistindo em duas redes neurais em competição uma com a outra. A rede geradora, G, é encarregada de criar novos dados ou imagens que pareçam reais. A segunda rede, a rede discriminadora, D, é treinada para distinguir entre os dados reais e os dados falsos gerados pela rede G.
As duas redes trabalham constantemente uma contra a outra para melhorar seu desempenho em suas respectivas tarefas. À medida que a rede G tenta gerar dados de aparência mais realista, a rede D se torna melhor na identificação dos dados falsos produzidos por G. Com o tempo, essas duas redes aprenderão uma com a outra e a rede G gerará dados indistinguíveis dos dados reais. As GANs têm muitas aplicações práticas, desde a criação de imagens realistas até a geração de dados sintéticos para treinar modelos de aprendizado de máquina.
Data de publicação: