协作式生成对抗网络

• 作者: 叶绪伦 张龙 董伟 赵杰煜
• 来源期刊: 自动化学报
• 关键词: 生成对抗网络 协作式 模式坍塌 生成模型 无监督学习
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 论文与报告
• 页码范围: 804-810
• 页数: 7页
• 字数: 5070字
• 语种: 中文
• DOI: 10.16383/j.aas.2018.c170483

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵杰煜	宁波大学信息科学与工程学院	82	637	14.0	21.0
2	叶绪伦	宁波大学信息科学与工程学院	3	15	2.0	3.0
3	董伟	宁波大学信息科学与工程学院	2	10	1.0	2.0
4	张龙	宁波大学信息科学与工程学院	1	10	1.0	1.0