GAN介绍 - 练习题

GAN介绍 - 介绍 https://blog.csdn.net/sean2100/article/details/83662975
GAN介绍 - 为什么学习生成式模型? https://blog.csdn.net/sean2100/article/details/83681043
GAN介绍 - 生成式模型是如何工作的? GAN与其他模型有什么区别?https://blog.csdn.net/sean2100/article/details/83907062
GAN介绍 - 提示与技巧 https://blog.csdn.net/sean2100/article/details/83964523
GAN介绍 - 相关研究课题 https://blog.csdn.net/sean2100/article/details/84010202
GAN介绍 - 即插即用生成网络(PPGN) https://blog.csdn.net/sean2100/article/details/84032930
GAN介绍 - 练习题 https://blog.csdn.net/sean2100/article/details/84037752
GAN介绍 - 练习题答案 https://blog.csdn.net/sean2100/article/details/84037768
GAN介绍 - 总结 https://blog.csdn.net/sean2100/article/details/84010467

 

May 13, 2017

这个辅导包含三个练习来检查读者的理解。 答案请参考第8章。

7.1 最优的判别器策略

正如方程式8所描述, 判别器的目标是最小化关于θ(D)θ(D)的以下方程式

Equation 18

假设判别器可以在函数空间被优化, D(x)D(x)的值对于每一个xx的值是独立的。 求解DD的最优策略? 为了获得这个结果需要什么样的假设?

7.2 游戏的梯度下降

现在考虑一个包含两个玩家的极小极大博弈, 每一个玩家控制一个标量。 控制标量xx的玩家要求最小化,控制yy的玩家要求最大化。 游戏的价值函数是

Equation 19

  • 此博弈有平衡状态吗? 如果有, 在什么地方?
  • 考虑一下此同步梯度下降的动态学习过程。 为了简化问题, 将梯度下降作为一个连续的时间过程。 有一个极小的学习率, 梯度下降通过一个偏微分方程来描述:

    Equation 20, 21

    根据这个动态求解一下优化轨迹。

7.3 GAN框架中的最大似然

此练习中, 我们处理一个损失函数,基于(近似)最大似然学习的GAN架构。 我们的目标是设计J(G)J(G), 满足,当我们假设判别器是最优的情况下, J(G)J(G)的期望梯度将与DKL(pdata||pmodel)DKL(pdata||pmodel)的期望梯度一致。

这个解决方法的有以下的表达形式:

Equation 22

这个练习包含如何确定ff的表现形式。

[最终修改于: 2017年6月14日]

来源:https://sinpycn.github.io/2017/05/13/GAN-Tutorial-Exercises.html

内容概要:本文详细介绍了施耐德M580系列PLC的存储结构、系统硬件架构、上电写入程序及CPU冗余特性。在存储结构方面,涵盖拓扑寻址、Device DDT远程寻址以及寄存器寻址三种方式,详细解释了不同类型的寻址方法及其应用场景。系统硬件架构部分,阐述了最小系统的构建要素,包括CPU、机架和模块的选择与配置,并介绍了常见的系统拓扑结构,如简单的机架间拓扑和远程子站以太网菊花链等。上电写入程序环节,说明了通过USB和以太网两种接口进行程序下载的具体步骤,特别是针对初次下载时IP地址的设置方法。最后,CPU冗余部分重点描述了热备功能的实现机制,包括IP通讯地址配置和热备拓扑结构。 适合人群:从事工业自动化领域工作的技术人员,特别是对PLC编程及系统集成有一定了解的工程师。 使用场景及目标:①帮助工程师理解施耐德M580系列PLC的寻址机制,以便更好地进行模块配置和编程;②指导工程师完成最小系统的搭建,优化系统拓扑结构的设计;③提供详细的上电写入程序指南,确保程序下载顺利进行;④解释CPU冗余的实现方式,提高系统的稳定性和可靠性。 其他说明:文中还涉及一些特殊模块的功能介绍,如定时器事件和Modbus串口通讯模块,这些内容有助于用户深入了解M580系列PLC的高级应用。此外,附录部分提供了远程子站和热备冗余系统的实物图片,便于用户直观理解相关概念。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值