Sztuczna inteligencja generative-adversarial-networks

9

Czy sztuczna inteligencja jest podatna na ataki hakerskie?

Artykuł Ograniczenia głębokiego uczenia się w ustawieniach przeciwnych bada, w jaki sposób sieci neuronowe mogą zostać uszkodzone przez atakującego, który może manipulować zestawem danych, z którym trenuje sieć neuronowa. Autorzy eksperymentują z siecią neuronową przeznaczoną do odczytywania odręcznych cyfr, podważając jej zdolność do czytania poprzez zniekształcanie próbek odręcznych cyfr, z …

27 neural-networks deep-learning philosophy generative-adversarial-networks ai-safety

3

Zrozumienie funkcji utraty GAN

Usiłuję zrozumieć funkcję utraty GAN przedstawioną w Understanding Generative Adversarial Networks (post na blogu napisany przez Daniela Seity). W standardowej stracie entropijnej mamy wyjście, które zostało przepuszczone przez funkcję sigmoidalną i wynikową klasyfikację binarną. Stwierdza Sieta Zatem dla [każdego] punktu danych x1x1x_1 i jego etykiety otrzymujemy następującą funkcję utraty ... …

17 neural-networks machine-learning deep-learning loss-functions generative-adversarial-networks

2

Jak działają generatywne sieci przeciwne?

Czytam o generatywnych sieciach przeciwnych (GAN) i mam co do tego pewne wątpliwości. Jak dotąd rozumiem, że w GAN istnieją dwa różne typy sieci neuronowych: jedna jest generatywna ( GGG ), a druga dyskryminacyjna ( DDD ). Generacyjna sieć neuronowa generuje pewne dane, które dyskryminacyjna sieć neuronowa ocenia pod kątem …

12 neural-networks machine-learning deep-learning generative-adversarial-networks

Pytania otagowane jako generative-adversarial-networks