شبکههای مولد تخاصمی (GANs) یک مدل یادگیری عمیق هستند که میتوانند دادههای جدیدی را تولید کنند که شبیه دادههای واقعی است. آنها از دو شبکه عصبی تشکیل شدهاند: یک شبکه مولد و یک شبکه تشخیصگر.
شبکه مولد وظیفه تولید دادههای جدید را بر عهده دارد. این کار را با استفاده از یک بردار نویز به عنوان ورودی انجام میدهد. سپس شبکه مولد از این بردار نویز برای تولید دادههایی استفاده میکند که شبیه دادههای واقعی است.
شبکه تشخیصگر وظیفه تشخیص دادههای واقعی از دادههای جعلی را بر عهده دارد. این کار را با استفاده از یک مجموعه داده از دادههای واقعی و دادههای جعلی انجام میدهد. شبکه تشخیصگر سپس از این دادهها برای یادگیری نحوه تشخیص دادههای واقعی از دادههای جعلی استفاده میکند.
شبکههای GAN با آموزش شبکههای مولد و تشخیصگر به طور همزمان کار میکنند. شبکه مولد سعی میکند دادههایی تولید کند که شبکه تشخیصگر نتواند آنها را تشخیص دهد. شبکه تشخیصگر سعی میکند دادههای واقعی را از دادههای جعلی تشخیص دهد.
این فرآیند تا زمانی که شبکههای مولد و تشخیصگر به تعادل برسند ادامه مییابد. در این نقطه، شبکه مولد میتواند دادههایی تولید کند که از نظر کیفیت با دادههای واقعی قابل تشخیص نیست.
نویز یک بردار اعداد تصادفی است که به عنوان ورودی به شبکه مولد داده میشود. نویز به شبکه مولد کمک میکند تا دادههای جدیدی تولید کند که متنوع و جالب است.
ساختار شبکه مولد معمولاً یک شبکه عصبی پیچشی است. شبکه عصبی پیچشی یک نوع شبکه عصبی است که برای پردازش دادههای تصویری مناسب است. شبکه عصبی پیچشی میتواند از دادههای تصویری یاد بگیرد و دادههای جدیدی تولید کند که شبیه دادههای واقعی است.