无监督学习是一种机器学习,它在没有预先存在的标签且最少需要人工监督的情况下,在数据集中查找先前未检测到的模式。与通常使用人类标记数据的监督学习相反,无监督学习(也称为自组织)允许对输入的概率密度进行建模。[1]它与监督学习和强化学习一起构成了机器学习的三个主要类别之一。半监督学习(一种相关的变体)利用了监督和无监督技术.
生成对抗网络:
2017年,GAN用于图像增强,重点是逼真的纹理而不是像素精度,从而在高放大倍率下产生更高的图像质量。[49] 2017年,产生了第一张面孔。[50]这些作品于2018年2月在大皇宫展出。[51] [52]由StyleGAN [53]在2019年生成的面孔与Deepfake进行了比较。
生成对抗网络是Ian Goodfellow等人在为无监督机器学习引入的一类人工智能算法。GAN由两个子网络组成:生成子网络G和判别子网络D,它们共同工作,提供高层次的概念任务模拟。区分性子网是区分两种不同数据类别的子网,而生成性子网不了解有关数据类别的任何信息。数据并尝试生成新数据以适合训练数据。