GANmNet:生成最小化网络,无竞争地训练GAN

Generative Minimization Networks: Training GANs Without Competition

生成最小化网络：无竞争地训练GAN

机器学习中的许多应用可以框架化为最小化问题，并使用基于梯度的技术有效地解决了问题。 然而，生成模型（尤其是GAN）的最新应用引起了人们对求解的兴趣标准优化的最小最大游戏技术通常不适合。 在已知之中从业人员遇到的问题是缺乏收敛保证或收敛到非最佳循环。 这些问题的核心是GAN目标的最小-最大结构，该结构在参与者之间产生了非平凡的依赖关系。 我们建议解决这个问题通过优化一个不同的目标来解决问题使用博弈论中的对偶间隙概念避开了最小-最大结构。 我们为此目标提供了新颖的收敛性保证，并说明了为什么获得了极限比已知技术更好地解决了问题。