講演抄録/キーワード |
講演名 |
2018-03-26 10:00
Generative Adversarial NetsにおけるMode Collapseの抑制 ○比田井真也・中野秀洋・宮内 新(東京都市大) CCS2017-33 |
抄録 |
(和) |
敵対的生成ネットワーク(Generative Adversarial Nets, GAN)はGeneratorおよびDiscriminatorと呼ばれる2つの階層型ニューラルネットワークから構成される.Generatorはデータの生成を行い,Discriminatorは与えられたデータがGeneratorによって生成されたかどうかを判別する.GANの目的は,Generatorに学習させたいデータの確率分布を推定させる
ことである.GANにはGeneratorが生成したいデータの確率分布の一部の極大値しか推定できなくなる問題が存在
し,これはMode Collapseとして知られている.本論文では,Mode Collapseの発生を抑制するためにGeneratorの損失
関数をGeneratorの学習が進行した場合でも大きな勾配を持つ式に変更する手法を提案する.2次元空間上での混合分布の推定により,この提案手法を検証する. |
(英) |
Generative Adversarial Nets (GAN) is constituted by two neural networks, Generator and Discrminator. Generator creates data, and Discriminator estimates data that came from training data. The purpose of GAN is to let Generator estimate the probability distribution of training data. There is a problem in the GAN that the Generator can only estimate the local maximum of a part of the probability distribution of the training data, which is known as Mode Collapse. In this paper, in order to suppress the occurrence of Mode Collapse, we propose a method to change loss function of Generator to an expression with a large gradient even when learning of Generator proceeds. We verify this proposed method by estimating the Gaussian mixture model in two dimensional space. |
キーワード |
(和) |
Generative Adversarial Nets / Mode Collapse / 確率分布 / 損失関数 / / / / |
(英) |
Generative Adversarial Nets / Mode Collapse / probability distribution / loss function / / / / |
文献情報 |
信学技報, vol. 117, no. 520, CCS2017-33, pp. 1-6, 2018年3月. |
資料番号 |
CCS2017-33 |
発行日 |
2018-03-19 (CCS) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
CCS2017-33 |