机构名称：
¥ 13.0
神经网络对人工智能产生了很大的影响，如今，深度学习算法被广泛用于从大量数据中提取知识。本论文旨在通过专注于特定的潜在目标来重新审视从or-gins中进行深度学习的演变。我们试图回答的主要问题是：AI可以表现出与人类相媲美的艺术能力吗？恢复了图灵测试的定义，我们提出了对该概念的类似锻炼，实际上，我们希望测试机器表现出与人类相同或无法区分的艺术行为的能力。我们将分析的论点是对这场辩论的支持，这是一种来自深度学习领域的构造和创新思想，被称为生成对抗性网络（GAN）。gan基本上是一个由两个神经网络组成的系统，在零和游戏中相互构图。此过程中的“子弹”填充只是两个网络之一生成的图像。在这种情况下，有趣的部分是，通过适当的系统启动和培训，经过几次迭代，这些虚假生成的图像开始变得越来越接近我们在现实中看到的图像，从而使没有什么是真实的。我们将谈论围绕甘斯的一些真正的轶事，以更多地提出以前提出的问题所产生的讨论，我们将根据甘斯（Gans）提出一些最近的现实世界应用，以强调它们在业务上的重要性。我们将通过对服装图像和评论的亚马逊出色的实验实验结束，目的是从最受欢迎的现有产品开始生成新的从未见过的产品。
深入学习具有生成对抗网络
主要关键词
相关文件推荐
