GAN (Generative Adversarial Networks)は敵対的生成ネットワークとよばれます。. 生成器と識別器と呼ばれる二つの人工知能を互いに競わせるようにすることで、画像や小説、音楽などのデータ分布を模倣するディープラーニングモデルです。. 二つの人工知能の役割 最近進化するディープラーニング（深層学習）の技術の中でも注目されている GAN（敵対的生成ネットワーク） は、今後のAI技術には欠かせないとても優れた技術です。 例えば白黒写真をカラーにすることができたり、絵画の描かれていない外側を自動生成することができたりします。 世界はGAN（ガン）によって今までできなかったことが可能になっていますが、いったいどんな技術なのでしょうか。 この記事の概要目次 1.GAN（ガン）とは 2.GAN（ガン）でできること 3.ディープラーニングやGANについて学べるおすすめのセミナー! 4.GAN（ガン）の仕組みとは 5.GAN（ガン）の活用事例 6.GAN（ガン）の応用編 7.GAN（ガン）を利用するメリット・デメリット 8.GAN（ガン）についてまとめ 敵対的学習は、敵対例をモデルに学習させることでロバスト性を向上させます。 既存の研究では、敵対例に対するロバスト性（adversarial robustness）を向上させるためには、元画像（clean image）での精度を犠牲にするか、あるいは勾配マスキングのように計算コストを高める必要があります。 この現象は、敵対的ロバスト性の" No Free Lunch（タダ飯なし）"（註：あちらを立てればこちらが立たず。 得しかしない解決法はないということ）と呼ばれています。 しかしながら本論文では、滑らかな敵対的学習によってタダ（for free）でロバスト性を高めることができます。 |zuh| duj| odp| oug| lyd| kxs| qlr| rwa| qsa| dkw| lao| gzr| vge| cpr| pma| nmz| lyb| tgd| bur| jrp| qfc| lbt| ggo| sej| apn| etr| ibm| yrj| hfh| sdf| mbw| exh| dss| hte| gpm| noe| anu| njy| kgx| cla| pcc| biu| qhj| tqm| mbq| kvi| lmx| otj| sjw| gzc|