协作式生成对抗网络

作     者：张龙 赵杰煜 叶绪伦 董伟 ZHANG Long;ZHAO Jie-Yu;YE Xu-Lun;DONG Wei

作者机构：宁波大学信息科学与工程学院宁波315211 

基　　金：国家自然科学基金(61571247) 浙江省自然科学基金(LZ16F030001) 浙江省国际合作项目(2013C24027)资助 

出 版 物：《自动化学报》 (Acta Automatica Sinica)

年 卷 期：2018年第44卷第5期

页      码：804-810页

摘      要：生成对抗网络(Generative adversarial nets,GANs)将生成模型与判别模型进行了巧妙结合,采用无监督的训练方式,通过相互对抗共同提高,其在学术界掀起了一股新的机器学习热潮.GANs的学习目标是可以完整拟合任意真实样本的数据分布,然而在实际当中,真实样本分布的复杂程度难以预计,容易发生模式坍塌(Mode collapse)等问题,从而导致结果冗余,模型不收敛等.为提高无监督条件下的GANs生成能力,减少或消除模式坍塌,本文提出一种全新的协作式生成网络结构,通过构建多个生成模型,引入协作机制,使得生成模型在训练过程中能够相互学习,共同进步,从而提高模型对真实数据的拟合能力,进一步提高生成质量.通过在三组不同类型的数据集上进行实验,分析对比结果后发现新模型在二维图像生成方面,特别是人脸图片,有着显著的效果,协作机制不仅可以加快模型收敛速度,提高训练效率,还能消除损失函数噪声,在三维模型生成方面也产生了一定的影响.通过调整模型参数,模式坍塌问题也得到了遏制.本文还设计了一种动态学习方法,动态调节模型的学习速率,有效减少了过大或过小的梯度惩罚.

主 题 词：生成对抗网络 协作式 模式坍塌 生成模型 无监督学习 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.16383/j.aas.2018.c170483

馆 藏 号：203289450...