1 背景和挑戰
GAN的提出解決了生成模型在概率計算方面的困難。
普通的GAN無法控制數據生成的模式問題,因爲其直接從隨機的數據分佈中尋找映射關係,太過自由。
當下的分類問題難以解決輸出類別多的情況,且大多屬於一對一的分類,需要解決一對多的情形。
2 方法
將對於模式判別有幫助的其他信息或是標籤,即 y 合併入輸入一同交給GAN學習。
詳細過程可參考:
https://blog.csdn.net/Andrewseu/article/details/78260193
GAN的提出解決了生成模型在概率計算方面的困難。
普通的GAN無法控制數據生成的模式問題,因爲其直接從隨機的數據分佈中尋找映射關係,太過自由。
當下的分類問題難以解決輸出類別多的情況,且大多屬於一對一的分類,需要解決一對多的情形。
將對於模式判別有幫助的其他信息或是標籤,即 y 合併入輸入一同交給GAN學習。
詳細過程可參考:
https://blog.csdn.net/Andrewseu/article/details/78260193
名字 時間 會議 類型 個人評分 Convolutional Neural Networks for Sentence Classification 2014 EMNLP short paper 9