Gracias por A2A.
¿Busca diferencias clave? , Diría 2 de ellos
- A diferencia de la Red Adversaria Generativa (GAN), los Codificadores Automáticos Variacionales (VAE) son comparables en el sentido de que puede evaluar fácilmente entre dos VAE observando la función de pérdida o los límites inferiores que alcanzan. Actualmente, esto no se puede hacer para las GAN .
- Pero el problema con los VAE es que simplifican demasiado la tarea objetiva, ya que están obligados a trabajar en un espacio latente.
Un ejemplo simple de la diferencia anterior sería que las GAN generarían una imagen más precisa y precisa que VAE , pero la salida de un VAE es muy esperada de antemano, lo que no es el caso con las GAN .
- ¿Qué significa "tomar la media geométrica de la distribución predictiva producida por las redes de abandono exponencialmente numerosas" en redes neuronales profundas?
- ¿Cuál es la diferencia entre un contenedor y un algoritmo de filtro en Data Mining / Machine Learning?
- ¿Por qué un niño de 6 años puede realizar tareas de reconocimiento de objetos mejor que una red neuronal distribuida a gran escala con decenas de miles de núcleos de CPU, pero incluso un cerebro adulto no puede competir con un procesador anticuado cuando se trata de cálculos de procedimientos? ¿Qué falta en nuestro procesador?
- ¿Qué resultado arrojará una máquina de aprendizaje profundo bien entrenada de esta imagen?
- ¿Cuál es el propósito de AdaGrad para la formación decente de la red neuronal de gradiente estocástico?
¿Responde a su segunda pregunta sobre cuándo usar cualquiera de ellos?
Hasta donde yo sé, son más como un equipo que trabajando solos combinando un VAE con pérdida no supervisada y una GAN con pérdida supervisada siempre funcionará mejor que ambos trabajando solos.
Visite los enlaces para obtener información más precisa sobre lo que está buscando.
¿Cuáles son los pros y los contras de las redes adversas generativas frente a los autoencoders variacionales?
¿Pueden los autoencoders variacionales (VAE) vencer a las redes adversas generativas (GAN) en la generación de imágenes o al realizar otras tareas en una imagen?