Accelerated Generative Adversarial Networks

L’un des défis majeurs dans le domaine de l’intelligence artificielle est la disponibilité de larges banques de données utilisables pour entraîner les différents types de modèles. Les « Generative Aversarial Networks » (GANs) sont des algorithmes d’intelligence artificielle récemment développés qui permettent de générer des exemples échantillons d’apprentissage pour divers algorithmes d’intelligence artificielle dans des cas où les données d’entraînement ne sont pas disponibles ou ne sont pas assez nombreuses. Un GAN comprend généralement deux parties : un réseau de neurones générateur(G) et un réseau discriminant (D). La famille des GANs est la famille la plus connue des modèles génératifs. Le premier GAN a été introduit par Goodfellow et al. dans lequel le discriminateur et le générateur doivent être entraînés simultanément, un processus qui converge très lentement. TO BE CONT’D

Faculty Supervisor:

Sofiane Achiche

Student:

Partner:

RMIT University

Discipline:

Engineering

Sector:

Education

University:

Polytechnique Montréal

Program: