[发明专利]一种基于判别器共享的生成对抗网络组织结构及其训练方法在审
| 申请号： | 201910668780.X | 申请日： | 2019-07-23 |
| 公开（公告）号： | CN110598843A | 公开（公告）日： | 2019-12-20 |
| 发明（设计）人： | 唐川;陶业荣;杜静;陈远征;陈延仓;麻曰亮;张民垒 | 申请（专利权）人： | 中国人民解放军63880部队 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 61204 西北工业大学专利中心 | 代理人： | 陈星 |
| 地址： | 471000*** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出一种基于判别器共享的生成对抗网络组织结构及其训练方法，该结构包含一个判别器和多个生成器，任意生成器均可与判别器组成GAN结构。本发明充分理解GAN网络学习提升的原理，通过从其它角度引入具有相同生成目标的生成器，补充加强了生成数据的分布完整性。通过判别器吸收多个生成器的生成数据特征，使得判别器的判别能力得到了更全面的提升；进而使得生成器学到了更多的判别原则，间接从判别器的反馈中获得了其它生成器的知识，更好地提升生成数据的逼真性。因此，相比于传统GAN，本发明可以更好地提升生成数据的逼真性和多样性。 | ||
| 搜索关键词： | 判别器 生成器 生成数据 逼真性 网络组织结构 网络学习 多样性 反馈 对抗 共享 引入 补充 吸收 | ||
【主权项】：
1.一种基于判别器共享的生成对抗网络组织结构，其特征在于：包含一个判别器和多个生成器，每个生成器均与判别器组成一个生成对抗网络结构；/n对于每个生成器而言，其输入为随机潜在变量z，输出为生成数据G(z)，且G(z)与目标数据集x具有相同的数据结构；进行参数更新时，生成器接收判别器输出的反馈结果，求解得到生成器的更新参数；/n判别器的输入In包括目标数据集x和每个生成器的输出，判别器的输出为实数值，所述实数值表示数据In来自目标数据集x的可能性；进行参数更新时，判别器根据数据标签和自身输出的反馈结果，求解得到判别器的更新参数；所述数据标签表示数据来源为目标数据集x或生成器的输出数据。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国人民解放军63880部队，未经中国人民解放军63880部队许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910668780.X/，转载请声明来源钻瓜专利网。
