Esta pregunta es un poco vaga, pero supongo que está preguntando si las GAN se pueden usar para hacer un aprendizaje sin supervisión. Si ese es el caso, entonces la respuesta es sí.
Técnicamente, las GAN ya están aprendiendo sin supervisión. Esencialmente, cómo funcionan es una imagen falsa hecha por un generador y una imagen real (de un conjunto de datos sin etiquetar de imágenes / datos [¡esto es un aprendizaje no supervisado! ¡Sin etiquetas!]) Se alimentan a una red discriminadora, que predice la probabilidad de que la imagen real es real y la imagen falsa es real. El descenso de gradiente se usa para aumentar la probabilidad de registro del discriminador que predice que la imagen falsa es real al actualizar los pesos del generador, y para aumentar la probabilidad de registro del discriminador que predice que la imagen real es real al actualizar los pesos del discriminador.
No hay etiquetado involucrado, simplemente alimente los datos (desde la misma distribución de datos, por supuesto) en una GAN, y con la inicialización y el equilibrio adecuados, podrá darle imágenes razonables de la distribución de datos. El aprendizaje no supervisado se define como encontrar estructura en datos no etiquetados, y esto parece satisfacer ese requisito.
- ¿Hay alguna diferencia entre el algoritmo de retropropagación utilizado en la etapa de ajuste fino del autoencoder y el algoritmo típico de retropropagación?
- ¿Vale la pena un doctorado en CS si no planea ingresar a la academia?
- Cómo construir una aplicación de predicción de flujo de efectivo personal con extractos bancarios utilizando el aprendizaje automático
- Cómo usar la red neuronal convolucional en sus proyectos
- Soy un graduado en ingeniería eléctrica. Quiero seguir estudios superiores en aprendizaje automático o inteligencia artificial en EE. UU. ¿Qué tengo que hacer?