典型文献
选择性集成学习多判别器生成对抗网络
文献摘要：
生成对抗网络(GAN)在图像生成方面具有广泛应用,但基于无监督方式与有监督方式的网络生成样本仍有较大差距.为解决生成对抗网络在无监督环境中生成样本多样性差、质量较低以及模型训练时间过长等问题,提出了具有选择性集成学习思想的生成对抗网络模型.将生成对抗网络中的判别网络采用集成判别系统的形式,有效减少了由单判别器判别性能不佳导致判别误差的情况;同时考虑到若集成判别网络均采用统一网络设置,则在模型训练中基判别网络将趋近于一种表现形式,为鼓励判别网络判别结果多样且避免网络陷入雷同,设置拥有不同网络结构的判别网络,并在集成判别网络中引入具有动态调整基判别网络投票权重的多数投票策略,对集成判别网络的判别结果进行投票,有效地促进了模型的收敛且较大减少了实验误差.最后将提出的模型与同方向的模型在不同数据集上使用不同评价指标进行评价,实验结果表明提出的模型无论在生成样本多样性、生成样本质量还是在模型收敛速度上均明显优于几种竞争模型.
文献关键词：
生成对抗网络(GAN);集成判别系统;选择性集成学习;多数投票策略
中图分类号：
作者姓名：
申瑞彩;翟俊海;侯璎真
作者机构：
河北大学 数学与信息科学学院,河北 保定 071002;河北大学 河北省机器学习与计算智能重点实验室,河北 保定 071002
文献出处：
引用格式：
[1]申瑞彩;翟俊海;侯璎真-.选择性集成学习多判别器生成对抗网络)[J].计算机科学与探索,2022(06):1429-1438
A类：
选择性集成学习,集成判别系统,多数投票策略
B类：
判别器,生成对抗网络,GAN,图像生成,无监督,监督方式,有监督,样本多样性,模型训练,训练时间,学习思想,判别网络,判别性,统一网络,网络设置,趋近,雷同,投票权,实验误差,同方向,收敛速度,竞争模型
AB值：
0.206887
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
