摘要:為了解決生成對抗網(wǎng)絡(luò)(Generative adversarial networks,GAN)的訓(xùn)練難問題,該文在Wasserstein GAN(WGAN)方法基礎(chǔ)上提出了迭代化代價函數(shù)及超參數(shù)可變的生成對抗網(wǎng)絡(luò)。為了對原始WGAN中的懲罰項進(jìn)行改進(jìn),用迭代的方法增加懲罰項代替原始隨機(jī)選取的方法。針對WGAN中固定代價函數(shù)懲罰項的超參數(shù),提出變動超參數(shù)策略,其變動的依據(jù)是仿分布和真實分布之間的距離。在MNIST手寫字體數(shù)據(jù)集和CELEBA人臉數(shù)據(jù)集上的實驗表明,與傳統(tǒng)WGAN方法相比,該文方法在生成器的擬合速度上有了顯著提高,充分驗證了方法的有效性。
注:因版權(quán)方要求,不能公開全文,如需全文,請咨詢雜志社。
南京理工大學(xué)學(xué)報雜志, 雙月刊,本刊重視學(xué)術(shù)導(dǎo)向,堅持科學(xué)性、學(xué)術(shù)性、先進(jìn)性、創(chuàng)新性,刊載內(nèi)容涉及的欄目:光電技術(shù)、化學(xué)工程、環(huán)境科學(xué)、計算機(jī)科學(xué)、信息工程、自動控制與系統(tǒng)工程等等。于1977年經(jīng)新聞總署批準(zhǔn)的正規(guī)刊物。