Entrenament intel·ligent: diferència entre les revisions

Contingut suprimit Contingut afegit
m bot: -pujen +pugen
m bot: -recòrrer +recórrer
Línia 47:
 
=== Xarxes generatives antagòniques ===
Les xarxes generatives antagòniques tenen com a base un sistema d'entrenament de dues xarxes neuronals artificials que funcionen com a un generador (o G) i com a un discriminador (o D). Ambdues xarxes són de reconeixement, però el generador es fa funcionar a la inversa per tal que en comptes de distingir dades en produeixi. <ref name=":0" /> L'objectiu de G és intentar produir unes dades que aconsegueixin enganyar a D, i l'objectiu de D és encertar si les dades proporcionades per G són reals o no.<ref name=":3">{{Ref-tesi|cognom=Goodfellow|nom3=Mehdi|Cognom 8=Bengio|Nom 7=Aaron|Cognom 7=Courville|Cognom 6=Ozair|Nom 6=Sherjil|nom5=David|cognom5=Warde-Farley|nom4=Bing|cognom4=Xu|cognom3=Mirza|nom=Ian|nom2=Jean|cognom2=Pouget-Abadie|pàgines=|lloc=Montreal|universitat=Université de Montréal|data=Desembre de 2014|llengua=Anglès|url=https://papers.nips.cc/paper/5423-generative-adversarial-nets.pdf|títol=Generative adversarial nets|Nom 8=Yoshua}}</ref> <blockquote>"El model generatiu es podria assimilar a un equip de falsificadors que intenten produir moneda falsa sense que aquesta sigui detectada, mentre que el model discriminatiu és anàlog a la policia, que intenta detectar la moneda falsificada" Generative Adversarial Nets, Ian Goodfellow (trad. de l'anglès)<br /></blockquote>A continuació, la xarxa discriminatòria transmet informació sobre què l'ha fet encertar o equivocar-se a la xarxa generatriu, que aquesta llavors utilitza per optimitzar les seves creacions. Es crea, per tant, un algorisme d'optimització entre les dues xarxes, fins al punt que la xarxa discriminatòria ha de recòrrerrecórrer a l'atzar per saber si les dades són verdaderes o falses. En el cas que la relació entre les dues xarxes sigui una de competició, els resultats obtinguts es decantaran sobretot cap a la minimització de la predictabilitat, mentre que si la relació és de cooperació, els dos models han de desenvolupar un llenguatge intern per comunicar-se i realitzar la seva tasca. <ref name=":0" /><ref name=":3" />
 
L'èxit d'aquests sistemes és difícil de preveure, ja que n'hi ha que funcionen i n'hi ha que no. Tot i així, se n'han trobat multiples aplicacions, com ara l'anàlisis de dades cosmològiques, la simulació de col·lisions de partícules o Pix2Pix, que permet processar tot tipus d'imatges.<ref name=":0" />