*概要 [#jff3e4da] GANは訓練データに似た新しいデータを生成する学習モデルの一種です。 2つの学習するAIから作られます。 generatorは、新しい、訓練データに似たデータを生成する仕組み。 わかりやすく言うと、夢を描くようなしくみ。優秀な贋作者を目指します。 discriminatorは、データが、訓練データなのか、生成したデータなのか判別する仕組み。 夢か現実か判断するようなしくみ。優秀な鑑定士を目指します。 どちらも基本的には多層パーセプトロンで、ドロップアウトを使って学習させるそうです。 どんどん、generatorの性能が上がると、discriminatorの正解率は50%になります。いいかえると、本物なのか偽物なのか、判別がつかない作品をだしてくるようになるということです。 *generatorの改善 [#c30fce3a] CNN(convolutional neural network)をつかって、generatorをつくるのが、性能がよいみたいだというのが、最近の研究結果です。Radford et al. (2015) *効率のよいdiscriminatorAIの学習 [#o8365e62] CNNでは最後の方の層は、特徴マップごとにクラスを対応させたものを持ってきて、その平均値で判断するのが効率がよいと、Lin et al. (2013)で提案があったそうです。 ストライド2のたたみ込みをつかうのが、よいとかいてありました。 活性化関数にReLUを使う。 *データの正規化 [#p9e10b25] データの入力と、データの出力は正規化しないほうがよいようです。 *スライド [#y57a7636] **GANの学習方法進展・画像生成・教師なし画像変換 [#y9d007da] https://www.slideshare.net/hamadakoichi/gan-training-techniques *紹介してあるサイト [#j2d18a73] 以下のサイトを参考にしています。 **はじめてのGAN [#u8136dbb] https://elix-tech.github.io/ja/2017/02/06/gan.html **ensorFlowで実装例 [#w1cb8e0b] http://qiita.com/sergeant-wizard/items/0a57485bc90a35efcf26 **機械学習の英語の紹介記事 [#ofa463f7] http://www.kdnuggets.com/2017/01/generative-adversarial-networks-hot-topic-machine-learning.html