101
правка
Изменения
Нет описания правки
$\delta_D = arg min\{\alpha L_D(t_D, D(x;\delta_D)) + (1 $-$ \alpha)L_D((1 - t_D), D(G(z, l; \delta_G);\delta_D))\}$
$\delta_D = arg min\{\gamma_t L_C(l, G(z, l; \delta_G)) + L_D(t_D, D(G(z, l; \delta_G);\delta_D)\}$
$\delta_C = arg min\{L_C(l, x; \delta_C)\}$
$t_D$ $-$ метка для генератора, $\alpha$ $-$ параметр для дискриминатора, $\gamma_t$ $-$ параметр для входных меток на генератор, $l$ $-$ метки образца $x$.
ControlGAN управляет тем, продолжать ли обучение на данных или обучаться генерировать образцы c помощью параметра $E$, который сохраняет значение функции потерь классификации. $\gamma_t$ $-$ параметр обучения, чтобы сохранить значение $E$, изменяющегося со временем $t$.
$E = \frac{L_C(l,G(z,l;\delta_G))}{L_C(l, x)}$
$\gamma_t = \gamma_{t - 1} + r \{L_C(l, G(z,l;\delta_G)) - E \dot L_C(l, x)\}$
$r$ $-$ коэффициент обучения для $\gamma_t$.
==Проблема запутывания (Проблема связанности характеристик)==
