GANs与对抗性学习的联系

Question

“对抗性学习”(AL)与“生成性对抗性网络”(GANs)之间有联系吗？说甘斯雇用AL有效吗？

Answer 1

来自维基百科，

对抗性机器学习是一种机器学习技术，它试图利用可获取的模型信息来利用模型，并利用它来制造恶意攻击。最常见的原因是导致机器学习模型出现故障。

对抗性机器学习是机器学习中用来欺骗或误导恶意输入模型的一种技术。虽然对抗性机器学习可以在多种应用中使用，但这种技术最常用于在机器学习系统中执行攻击或导致故障。

生成对抗性网络(GANs)是一种使用两个神经网络的算法体系结构，它将一个神经网络与另一个神经网络(即“对抗性网络”)分开，以生成新的、合成的数据实例，这些实例可以传递给真实的数据。它们在图像生成、视频生成和语音生成中得到了广泛的应用。

生成对抗性网络基于一种博弈论场景，在这种情况下，发电机网络必须与对手竞争。发电机网络直接产生样本。它的对手，即鉴别器网络，试图区分从训练数据中提取的样本和从生成器中提取的样本。

-第699页，深度学习，2016年。

来自机械掌握

我们可以把造假者想象成一个造假者，试图制造假币，而歧视者就像警察一样，试图允许合法的货币并抓住假币。为了在这个游戏中取得成功，造假者必须学会赚钱，这是无法区分的真正的钱，而发电机网络必须学会创建样本，从相同的分布与培训数据。

未定义，2016年。

这样，两种模型是相互竞争的，在博弈论意义上是对抗性的，是在玩零和博弈。

由于GAN框架可以自然地用博弈论的工具进行分析，所以我们称之为GANs的“对抗性”。

未定义，2016年。