[发明专利]一种用自适应控制学习改进生成对抗网络方法

权利要求书

1.一种用自适应控制学习改进生成对抗网络方法，其特征在于，所述用自适应控制学习改进生成对抗网络方法自适应地调整生成网络和判别网络的运行迭代比例，具体方法包括以下步骤：

步骤一、使用任意GAN模型在相对简单的数据集上训练，直至收敛，记录收敛时的批次数；

步骤二、导出第一批次数至收敛批次数区间所有产生的损失值或判定概率值，并通过曲线拟合方法对这些值进行拟合，拟合后的值做为基准损失值或基准概率值；基准损失值为L_mG和L_mD；基准概率值为P_mr和P_mg；

步骤三、在相对复杂数据集上训练GAN，训练过程中在每c个批次数之后比较并计算当前的输出值与基准值的差异，如果该差异超过预先设置的阈值(α)，则视情况调整G和D的训练迭代比例k值并训练；如果该差值在阈值内，则不对k值做任何改动，按原k值训练G和D；

步骤四、反复运行步骤三，直至与所有的基准值比较完毕。

2.如权利要求1所述的用自适应控制学习改进生成对抗网络方法，其特征在于，使用D和G的训练步骤的比率k作为控制变量；动态调整k的值满足不同数据集训练期间的约束；使用以下两个不等式约束来控制k；

其中P_g是D将生成数据分类为真实数据的概率；P_mg是在MNIST上训练的得到的概率，指导P_g值的基准值；L_D是当前训练数据中D的损失值；L_mD是在MNIST上训练的基准损失值；α是预先定义的阈值。

3.如权利要求1所述的用自适应控制学习改进生成对抗网络方法，其特征在于，基于概率/损失值的自适应控制方法包括：

4.一种实施权利要求1所述用自适应控制学习改进生成对抗网络方法的自适应控制学习改进生成对抗网络控制系统。

5.一种用自适应控制学习改进生成对抗网络计算机程序，其特征在于，所述用自适应控制学习改进生成对抗网络计算机程序实施权利要求1-3任意一项所述的用自适应控制学习改进生成对抗网络方法。

6.一种终端，其特征在于，所述终端搭载权利要求1～3任意一项所述的用自适应控制学习改进生成对抗网络方法的控制器。

7.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-3任意一项所述的用自适应控制学习改进生成对抗网络方法。