|
主题
|
内容 |
|
1. GAN 入门 - Generative Models
|
- Latent Factors
- Generative Models |
|
2. GAN 原理
|
- Discrimination and Generator
- Training GAN
- JS-Divergence
- Problems with GAN |
|
3. f-GAN 模型 - GAN 模型的同一框架
|
- Fenchel Conjugate
- f-Divergence
- Trainning: double loop vs single loop
- 多种 divergenc 函数 |
|
4. Wasserstein GAN - WGAN
|
- Problem with JS-Divergence
- Mode Collapse
- Earth-Mover Distance
- WGAN |
|
5. SimGAN 逼真图像的生成
|
- SimGAN 架构
- SimGAN 的 Loss 函数
- 利用对抗历史
- 利用 local adversarial loss |
|
6. InfoGAN - 可解释表示的 GAN
|
- 潜因子与表象的互信息
- 现有 GAN 和 Domain 之间的矛盾
- 用无监督学习发现可解释的潜因子
- 带互信息正则项的 loss 函数
- 实现：用变分法进行训练
- 效果 |
|
7. GAN for NLP
|
- GAN在 NLP 中应用的困难
- Neural Response Generation via GAN |
