مهدی جاماسب خلاری؛ ولی درهمی؛ مهدی یزدیان دهکردی
چکیده
مدل‌های مولد سعی می‌کنند توزیع احتمالی که مشابه با توزیع داده‌های دیده شده باشد را به دست آورند. برای این کار دو راه‌حل در سال‌های اخیر ارائه شده است؛ یکی کمینه‌کردن واگرایی (فاصله) بین دو توزیع ازطریق ...
بیشتر
مدل‌های مولد سعی می‌کنند توزیع احتمالی که مشابه با توزیع داده‌های دیده شده باشد را به دست آورند. برای این کار دو راه‌حل در سال‌های اخیر ارائه شده است؛ یکی کمینه‌کردن واگرایی (فاصله) بین دو توزیع ازطریق بیشینه‌کردن باند پایین تغییراتی و دیگری کاهش ضمنی فاصله بین دو توزیع ازطریق فرآیندهای تخاصمی. یکی از مشکلات موجود در شبکه‌های تخاصمی‌مولد، فروافتادگی حالت است. فروافتادگی حالت به موضوعی گفته می‌شود که مدل مولد به‌ازای مقادیر ورودی متفاوت و پراکنده، نمونه‌های با پراکندگی کم یا حتی نمونه‌های مشابه به هم تولید می‌کند. این مقاله با ارائۀ روشی با عنوان شبکه‌های مولد تخاصمی تغییراتی سعی در مقابله با فروافتادگی حالت و همچنین، تولید داده‌های طبیعی‌تر دارد. این روش با استفاده از خودرمزگذارهای تغییراتی، شبکه‌های تخاصمی مولد را مقدار‌دهی اولیه می‌کند. به بیان دیگر، علاوه بر اینکه باند پایین تغییراتی را بیشینه می‌کند، فاصله بین دو توزیع را به‌صورت ضمنی کاهش می‌دهد. نتایج تجربی نشان می‌دهند این روش توانسته است بهتر از روش‌های موجود با مشکل فروافتادگی حالت مقابله کند. همچنین، در تحلیل کیفی براساس نظرسنجی از 136 فرد در رابطه با واقعی‌بودن تصاویر تولیدشده نشان داده شد روش پیشنهادی تصاویر مشابه‌تری به واقعیت نسبت به روش پایه تولید کرده است.
