عنوان : ( شبکه های ژنتیکی مولد تخاصمی )
نویسندگان: مژگان اذری , حامد رفیعی , محمدرضا اکبرزاده توتونچی ,
دانلود فایل برای اعضای دانشگاهبر اساس تصمیم نویسنده مقاله دسترسی به متن کامل برای اعضای غیر دانشگاه ممکن نیست
چکیده
شبکه های مولد تخاصمی (GANs) جزء پیشرفته ترین روشهای تولید داده به شمار میروند و برای تولید نمونه با استفاده از داده های واقعی موثر هستند. هرچقدر که وظایف مدلهای مولد پیچیده تر میشود، GANs موجود با چالشهای یادگیری جدیدی مانند عدم ثبات و فروپاشی حالت مواجه می شوند. اغلب GANs موجود از یک تابع هدف مشخص برای آموزش بهره میگیرند، با این وجود برخی از کارهای پیشین، مفهوم تکامل را در تابع برازندگی در پیش گرفته اند که به یادگیری پایدار GAN و بهبود کارایی منجر میشود. در این شبکه ها جمعیتی از تولیدکننده ها در نظر گرفته شده و توسط یک تابع هدف جامع ارزیابی میشوند و سپس بهترین فرزندان برای سنجش تفکیککننده استفاده میشوند. در این مقاله شبکه ژنیتکی مولد تخاصمی پیشنهاد می گردد که در آن شبکه های تولیدکننده تکامل ساختاری پیدا میکنند. رویکرد تکاملی پیشنهادی که شامل اعمال جهش و برش بر روی تولید نسلهای شبکهی تولیدکننده میباشد، سبب بهبود مشکل فروپاشی حالت، سرعت همگرایی میشود. همچنین مزیت دیگر این روش، برقراری تعادل بهتر بین شبکه ی تولیدکننده و تفکیک کننده است. برای بررسی عملکرد شبکهی پیشنهادی، آزمایشی روی مجموعه داده تصویر MNIST انجام میشود. همانگونه که مشاهده میشود، AN2G نسبت به GAN بهبود قابل ملاحظهای در تنوع داد هها و سرعت همگرایی دارد.
کلمات کلیدی
شبکه های مولد تخاصمی؛ محاسبات تکاملی؛ همگرایی؛ فروپاشی حالت؛ جهش و برش
@inproceedings{paperid:1092662,
author = {اذری, مژگان and رفیعی, حامد and اکبرزاده توتونچی, محمدرضا},
title = {شبکه های ژنتیکی مولد تخاصمی},
booktitle = {نوزدهمین کنفرانس سیستم های فازی ایران},
year = {2020},
location = {مشهد, ايران},
keywords = {شبکه های مولد تخاصمی؛ محاسبات تکاملی؛ همگرایی؛ فروپاشی حالت؛ جهش و برش},
}
%0 Conference Proceedings
%T شبکه های ژنتیکی مولد تخاصمی
%A اذری, مژگان
%A رفیعی, حامد
%A اکبرزاده توتونچی, محمدرضا
%J نوزدهمین کنفرانس سیستم های فازی ایران
%D 2020
