<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Проблема оцінювання генеративних змагальних мереж

Скорочена інформація про документ
dc.contributor.authorІсаєнков, Я. О.uk
dc.contributor.authorМокін, О. Б.uk
dc.contributor.authorIsaienkov, Ya. O.
dc.contributor.authorMokin, O. B.
dc.titleПроблема оцінювання генеративних змагальних мережuk
dc.title.alternativeThe problem of evaluating generative adversarial networksen
dc.date.issued2021
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationІсаєнков Я. О. Проблема оцінювання генеративних змагальних мереж [Електронний ресурс] / Я. О. Ісаєнков, О. Б. Мокін // Матеріали L науково-технічної конференції підрозділів ВНТУ, Вінниця, 10-12 березня 2021 р. – Електрон. текст. дані. – 2021. – Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2021/paper/view/12468.uk
dc.relation.ispartofМатеріали L науково-технічної конференції підрозділів ВНТУ, Вінниця, 10-12 березня 2021 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2021/paper/view/12468
dc.identifier.udc004.054:[004.032.26+004.85]
dc.identifier.urihttp://ir.lib.vntu.edu.ua/handle/123456789/38286
dc.description.abstractThe article presents an overview of modern evaluation methods of generation results of generative adversarial networks (GANs). It also shows the analysis of the features, advantages, and disadvantages of those evaluation methods, as well as the importance of solving the problem of GAN evaluation for their further development.en
dc.description.abstractУ даній роботі представлено огляд сучасних методів оцінювання результатів генерування генеративних змагальних мереж (ГЗМ), проаналізовано особливості, переваги та недоліки цих методів, а також показано важливість вирішення проблеми оцінювання ГЗМ для їх подальшого розвиткуuk
dc.subjectгенеративна змагальна мережаuk
dc.subjectГЗМuk
dc.subjectоцінюванняuk
dc.subjectвірністьuk
dc.subjectрізноманітністьuk
dc.subjectGANen
dc.subjectgenerative adversarial networken
dc.subjectevaluationen
dc.subjectfidelityen
dc.subjectdiversityen
dc.typeThesis
dc.language.isoukuk
dc.relation.referencesIan J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio “Generative Adversarial Networks,” arXiv: 1406.2661 [stat.ML], Jun. 2014.en
dc.relation.referencesSalimans, T., Goodfellow, I., Zaremba, W., Cheung, V., Radford, A., and Chen, X. Improved techniques for training gans. In Advances in Neural Information Processing Systems, pp. 2234–2242, 2016en
dc.relation.referencesMartin Heusel, Hubert Ramsauer, Thomas Unterthiner, Bernhard Nessler, Sepp Hochreiter, “GANs Trained by a Two TimeScale Update Rule Converge to a Local Nash Equilibrium,” arXiv:1706.08500 [cs.LG], Jun. 2017.en
dc.date.accessioned2023-11-17T13:19:32Z
dc.date.available2023-11-17T13:19:32Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
135482.pdf
Розмір:
231,57 KB
Формат:
Adobe Portable Document Format
Завантажити

Ліцензійна угода

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
license.txt
Розмір:
129 B
Формат:
Plain Text
Опис:
Завантажити

Зібрання

НТКП ВНТУ. Факультет комп'ютерних систем і автоматики (2021)
Наукові видання каф. САІТ