Изменения
→CGAN (Conditional Generative Adversarial Nets)
'''Условные порождающие состязательные сети''' (англ. ''Conditional Generative Adversarial Nets, CGAN'') $-$ это модифицированная версия алгоритма GAN, которая может быть сконструирована при помощи подачи данных '''y''', являющихся условием для генератора и дискриминатора. '''y''' может быть любой дополнительной информацией, например, меткой класса или данными из других моделей, что может позволить контролировать процесс генерации данных. Например, можно подавать параметр '''y''', как условие на класс для генерации чисел, похожих на MNIST.
Как уже было упомянуто на вход генератори генератора и дискримантора из GAN подается дополнительная информация '''y''', например в случае с многослойными перецептронами условие может быть представлено дополнительным входным слоем.
В генераторе априорная вероятность шума <tex>p_{z}(z)</tex> и условие <tex>y</tex> комбинируются в объединённое скрытое представление, а состязательная тренирующая модель предоставляет достаточно свободы в том как это представление составляется.<ref>[https://arxiv.org/pdf/1207.4404.pdf Yoshua Bengio, Gre ́goire Mesnil, Yann Dauphin and Salah Rifai {{---}} Better Mixing via Deep Representations ]</ref>
В дискриминаторе '''x''' и '''y''' представлены как входные параметры.
[[File:CGAN_generated.png|450px|thumb|right|Цифры, сгенерированные с помощью CGAN. Источник: https://arxiv.org/pdf/1411.1784.pdf]]
Для создания изображения, в генератор поступает скомбенированная информация '''y''' и вектор шума. в случае ''MNIST'' это, может быть, например, просто метка класса (от 0 до 9). На выходе, из генератора поступает изображение, полученное транспонированной сверткой (деконволюция). Затем полученное изображение поступает в дискриминатор, который в свою очередь применяет обратную операцию, чтобы получить полносвязный слой. Наконец, комбинируя полученную информацию с '''y''' дискриминатор принимает решение, является ли изображение созданным или нет.
[[File:CGAN_gen_disc.png|450px|thumb|right|Генерация при использовании CGAN]]
==DCGAN (Deep Convolutional Generative Adversarial Nets)==
