GAN

Question 1

Explique o treinamento de uma GAN.

Answer 1

As duas redes neurais (Gerador e Discriminador) são treinadas juntas com objetivos opostos:

1. O objetivo do gerador é enganar o discriminador, assim o gerador é treinador para maximizar o erro final de classificação (dados reais e falsos) .
2. O objetivo do discriminador é detectar dados falsos gerados, o discriminador é treinado para minimizar o erro final de classificação.

Assim a cada iteração do treinamento os pesos do gerador são atualizados para aumentar o erro de classificação (gradiente ascendente de erro) enquanto os pesos do discriminador são atualizados diminuir esse erro (gradiente descendente de erro).

Esses objetivos opostos e a noção implícita de treinamento adversário explica o nome de “adversarial networks”.
As duas redes tentam vencer uns aos outros, assim elas se tornam melhor e melhor.

Question 2

Explique a arquitetura da GAN.

Answer 2

A GAN é composta por duas redes neurais:

1. Gerador -> é treinada para mapear uma entrada aleatória (noise) para uma saída sintética (que representa uma distribuição gerada que tenta se aproximar a distribuição verdadeira) .
2. Discriminador -> é treinada para distinguir os dados reais dos dados sintetizados (falsos).

Esses objetivos opostos e a noção implícita de treinamento adversário explica o nome de “adversarial networks”. As duas redes tentam vencer uns aos outros, assim elas se tornam melhor e melhor.

A competição entre essas duas fazem as redes progredirem com respeitos a seus objetivos.

De um ponto de vista da teoria do jogos, podemos pensar essa configuração como um jogo de dois jogadores minimax onde o estado de equilíbrio corresponde a situação onde o gerador produz dados exatos como a distribuição real e onde o discriminador prediz “true” e “generated” com probabilidade 1/2 pra qualquer ponto recebido.