一个简单的关于GAN网络的猜想

最新推荐文章于 2022-12-26 19:22:24 发布

我冒来

最新推荐文章于 2022-12-26 19:22:24 发布

阅读量750

点赞数

本文链接：https://blog.csdn.net/weixin_44555266/article/details/86522535

版权

假设我设计两个对抗电脑，一个是电脑A，一个是电脑B，它们之间进行对抗，游戏规则采用最最简单的方式，A放出“大”或者“小”，B则对应的需要猜测是大还是小。它们采用相同的权重文件，并且不断更新权重文件，同时不断对抗。

这里，电脑AB给出的答案不是随机，除了第一次是随机之外，其他的都是按照权重来计算给出的答案。

一个很简单的设计，于是会有下面几个问题：

1、电脑A或者B是否一定会得出属于自己的较高的和较低的权重。

2、电脑AB得到的权重是否正好相反，同时一样。或者还是完全就是不同的权重。

3、电脑AB对抗之后，是否会得到从某个是简单开始无限循环。

4、如果训练完成的电脑，和100个人进行对抗同样的游戏，是否胜率更大。

5、这个实验是否有意义。

大约这种就是把现实的人工智能简化到了极致之后的疑问。相比围棋，汽车，语言识别等，其实这就是最终极的问题。

文章来源：http://www.caojinlong.com/

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

我冒来

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

5 分钟内构建一个简单的基于 Python 的 GAN

gongdiwudu的专栏

06-07

2189

生成对抗网络（GAN）因其能力而在学术界引起轩然大波。机器能够创作出新颖、富有灵感的作品，这让每个人都感到敬畏和恐惧。因此，人们开始好奇，如何构建一个这样的网络？

生成对抗网络（GAN）论文原文详解

coder_kang的博客

12-13

1万+

参与评论您还未登录，请先登录后发表或查看评论

一个简单的GAN网络实例

04-04

一个简单的GAN网络实例，可直接运行，非常适合初学者入门！

GAN生成对抗网络

qq_50086023的博客

12-26

525

GAN生成对抗网络

机器学习——从0开始构建自己的GAN网络

qq_52222102的博客

06-04

4524

机器学习——从0开始构建自己的GAN网络

了解GAN背后的设计，训练，损失函数和算法

喜欢打酱油的老鸟

01-30

7720

https://www.toutiao.com/a6651201834939580941/ 2019-01-27 23:40:04 假设我们有一个卧室图像数据集和一个在这个数据集上训练的图像分类器CNN，它告诉我们给定的输入图像是否是卧室。假设图像大小为16 * 16。每个像素可以有256个可能的值。所以存在无限大量的可能输入（即25616*16或~10616可能的组合）。这使得我们的分...

GAN生成对抗网络合集（八）：GeneGAN - 子属性分离重组 - 解决对象变形问题

dexterod的博客

06-03

2113

GeneGAN 源文：GeneGAN: Learning Object Transfiguration and Attribute Subspace from Unpaired Data GeneGAN 源代码：https://github.com/Prinsphield/GeneGAN ---------------------------------------------------------------------------------------------------------------

GAN系列：李宏毅老师GAN课程P2+P3——Conditional GAN

lynlindasy的博客

02-23

2745

看这个课程的时候，有弹幕说P1后直接看P4，然后再看P2和P3，这个顺序确实更好一点。这部分主题是条件GAN(Conditional GAN)，所谓的条件就是我们对要生成的图片的要求和限制。之前生成器的输入是一个随机噪声向量，生成器根据向量产生任意的图像。在实际应用中，产生的图像一般是有特定限制的，比如要产生火车的图像，人脸的图像等。因此Conditional GAN更有实用价值。Conditio...

Generative Adversarial Networks 生成对抗网络的简单理解

somTian的博客

05-13

1663

这几年在机器学习领域最亮最火最耀眼的新思想就是生成对抗网络了。这一思想不光催生了很多篇理论论文，也带来了层出不穷的实际应用。Yann LeCun 本人也曾毫不吝啬地称赞过：这是这几年最棒的想法！

卷积神经网络图像识别,卷积神经网络处理图片

kfc67269的博客

08-24

1419

3、基于MATLAB语言的网络训练与仿真建立并初始化网络% ================S1 = 24;在学习阶段应该用大量的样本进行训练学习，通过样本的大量学习对神经网络的各层网络的连接权值进行修正，使其对样本有正确的识别结果，这就像人记数字一样，网络中的神经元就像是人脑细胞，权值的改变就像是人脑细胞的相互作用的改变，神经网络在样本学习中就像人记数字一样，学习样本时的网络权值调整就相当于人记住各个数字的形象，网络权值就是网络记住的内容，网络学习阶段就像人由不认识数字到认识数字反复学习过程是一样的。

一文看懂「生成对抗网络 - GAN」基本原理+10种典型算法+13种应用

风信子的猫Redamancy的快乐星球

04-05

4万+

生成对抗网络 – Generative Adversarial Networks | GAN文章目录GAN的设计初衷生成对抗网络 GAN 的基本原理GAN的优缺点10大典型的GAN算法GAN 的13种实际应用百度百科+维基百科扩展阅读生成对抗网络 – GAN 是最近2年很热门的一种无监督算法，他能生成出非常逼真的照片，图像甚至视频。我们手机里的照片处理软件中就会使用到它。本文将详细介绍生成对抗网络 – GAN 的设计初衷、基本原理、10种典型算法和13种实际应用。 GAN的设计初衷一句话来概括 .

GAN网络详解（从零入门）

热门推荐

博客

07-26

8万+

从一个小白的方式理解GAN网络（生成对抗网络），可以认为是一个造假机器，造出来的东西跟真的一样，下面开始讲如何造假：（主要讲解GAN代码，代码很简单）我们首先以造小狗的假图片为例。首先需要一个生成小狗图片的模型，我们称之为generator，还有一个判断小狗图片是否是真假的判别模型discrimator，首先输入一个1000维的噪声，然后送入生成器，生成器的具体结构如下所示（不看也...

GAN 的训练、调参实践

四个菜

08-11

1万+

自从 GAN 提出后，它变得越来越火热，吸引了众多的爱好者前来学习实践。但是只要你自己去从无到有写出一个 GAN 模型并运行，除非你运气太好，大多数情况下你都会发现自己的GAN并不能很好地 work 。下面首先对 GAN 进行简要的介绍，然后整理了我自己在 GAN 的设计网络结构、调整参数等方面的经验。 1 什么是GAN？ GAN 是一种生成模型，由知名的学者 Ian Goodfellow 首...

常见的五种神经网络(5)-生成对抗网络（下）之GAN、DCGAN、W-GAN

Thinkgamer博客

12-31

7905

在上一篇文章中介绍了生成模型的基本结构、功能和变分自动编码器，在本篇文章中主要介绍一下生成对抗网络（Generative Adversaarial Networks，GAN） KL散度、JS散度、Wassertein距离 KL散度 KL散度又称相对熵，信息散度，信息增益。KL散度是两个概率分布P和Q差别的非对称性的度量。在经典境况下，P表示数据的真实分布，Q表示数据的理论分布，模型分布。 DK...

生成对抗网络gan原理_生成式对抗网络（GAN）理论详解

weixin_39654848的博客

12-05

2196

前言生成式对抗网络（GAN）是近几年深度学习领域比较热门的话题之一。我的本科毕业设计（用宋体字符图像生成新字体，保证新字体图像接近于宋体。）就是以GAN为核心展开的。实现过程中，我在网上查阅了很多资料，本篇文章也是我学习的一个总结，也是我毕业论文的摘选。内容主要来源于博客论坛、李宏毅教授的教学课程和GAN最原始的paper。1.介绍生成对抗网络（Generative Adversarial Net...

一个GAN的简单例子

zbl1243的博客

03-05

2582

代码看了一天.其实我现在并没有完全搞懂........看懂的地方标记了注释,后面再做补充 import argparse import numpy as np from scipy.stats import norm import tensorflow as tf import matplotlib.pyplot as plt from matplotlib import animation ...

搭建简单的神经网络——数字预测

baidu_31010557的博客

08-31

964

搭建简单的数字预测网络导入包随机创建数据更改数据格式参数设置搭建网络训练模型预测整体代码导入包 import tensorflow as tf from tensorflow import keras import random import numpy as np 随机创建数据 datas=[] labellist=[] for i in range(500): num=random.randrange(1,10) one_hot=np.zeros(shape=9) one_

生成式对抗网络GAN研究进展（四）——Laplacian Pyramid of Adversarial Networks，LAPGAN

Solomon1558的专栏

09-17

1万+

【前言】本文首先介绍生成式模型，然后着重梳理生成式模型（Generative Models）中生成对抗网络（Generative Adversarial Network）的研究与发展。作者按照GAN主干论文、GAN应用性论文、GAN相关论文分类整理了45篇近两年的论文，着重梳理了主干论文之间的联系与区别，揭示生成式对抗网络的研究脉络。本文涉及的论文有： [1] Good

浅谈GAN网络-二

AmibitionWei的博客

08-20

3345

本文接着上一篇不太成功的博客https://blog.csdn.net/qq_30666517/article/details/81262849继续进行，昨天花了点时间，使之前的工作有一个较好的结果。上一篇博客是自己第一次接触GAN时所写，自己尝试写了一个最简单的全连接GAN网络，结果输出效果很差，这篇博客就是分析上篇不太好结果的原因，以及对于训练GAN一些体会。上篇博客代码中有2个缺陷，也是...

如何评估一个GAN网络