GAN学习笔记:MMGAN:Manifold-Matching Generative Adversarial Network
一、主要思想 MMGAN的一个重要思想在于：数据可以分为两个不同的manifold：真实数据和生成数据。 那么，训练G的目标就是尽可能地match这两个manifold。 在MMGAN中，不妨用球形来表示manifold，这样，可以使用指数平滑来得到球的中心和半径，此外，针对mode collapse的问题，MMGAN也进行了相关的工作来提升数据的diversity，接下来会具体介绍。 二、Man
相关文章
- 1. GAN（Generative Adversarial Network）的学习历程
- 2. Generative Adversarial nets（GAN）学习笔记
- 3. 李宏毅学习笔记30.GAN.01.Introduction of Generative Adversarial Network
- 4. Deep Generative Model2--GAN(Generative Adversarial Network)-cont
- 5. GAN(Generative Adversarial Net)
- 6. 迁移学习GAN网络：Generative Adversarial Nets
- 7. GAN(Generative Adversarial Network ）对抗生成网络
- 8. 对抗生成网络（Generative Adversarial Network, GAN）
- 9. Generative Adversarial Network (GAN) papers (2018.2.4 更新）
- 10. Generative Adversarial Nets (GAN) 阅读笔记
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • 适用于PHP初学者的学习线路和建议
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
欢迎关注本站公众号,获取更多信息
相关文章
- 1. GAN（Generative Adversarial Network）的学习历程
- 2. Generative Adversarial nets（GAN）学习笔记
- 3. 李宏毅学习笔记30.GAN.01.Introduction of Generative Adversarial Network
- 4. Deep Generative Model2--GAN(Generative Adversarial Network)-cont
- 5. GAN(Generative Adversarial Net)
- 6. 迁移学习GAN网络：Generative Adversarial Nets
- 7. GAN(Generative Adversarial Network ）对抗生成网络
- 8. 对抗生成网络（Generative Adversarial Network, GAN）
- 9. Generative Adversarial Network (GAN) papers (2018.2.4 更新）
- 10. Generative Adversarial Nets (GAN) 阅读笔记