Utente:PoliFL/Sandbox: differenze tra le versioni

Versione delle 11:54, 3 lug 2019

Versione delle 15:01, 3 lug 2019

Riga 2:

==Metodo==

Nella sua versione originale, una rete antagonista generativa è composta da due componenti: un [[:en:generative model|modello generativo]], o generatore, e un [[:en:discriminative model|modello discriminativo]], o discriminatore, entrambi realizzati tramite reti neurali. Lo scopo del modello generativo è quello di produrre nuovi dati, mentre il modello discriminativo apprende come distinguere i dati reali da quelli generati. In particolare, dato uno spazio latente <math>\boldsymbol{z}</math>, avente una [[distribuzione di probabilità a priori|distribuzione a priori]] <math>p_\boldsymbol{z}\left(\boldsymbol{z}\right)</math>, il generatore rappresenta una [[funzione differenziabile]] <math>G\left(\boldsymbol{z} ; \theta_{g}\right)</math> che fornisce in output i nuovi dati secondo una certa distribuzione <math>p_g</math>, dove <math>\theta_{g}</math> sono i parametri del modello generativo. Il discriminatore rappresenta una funzione differenziabile <math>D\left(\boldsymbol{x}; \theta_{d}\right)</math>, dove <math>\theta_{d}</math> sono i parametri del modello discriminativo, che produce in output la [[probabilità]] che <math>\boldsymbol{x}</math> provenga dai dati reali piuttosto che dal generatore. Lo scopo è quello di ottenere un generatore che sia un buon [[stimatore]] della distribuzione dei dati di addestramento <math>p_{data}</math>.

In questo modo il discriminatore "ingannando" il discriminatore che non riuscirà più a distinguere i campioni provenienti da <math>p_{data}</math> da quelli provenienti da <math>p_g</math>. I parametri delle rete generativa vengono quindi ottimizzati in modo da trovare un buon massimizzando la probabilità

==NoteVarianti==

<references/>

==ProvaApplicazioni==

==Prova2Note==

<references/>