Изменения
→CGAN (Conditional Generative Adversarial Nets)
<center> <tex> \min\limits_{G}\max\limits_{D} \mathop{E}\limits_{x \sim p_{data}}[logD(x|y)] + \mathop{E}\limits_{z \sim p_{z}}[log(1-D(G(z|y))] </tex> </center>
В качестве примера использования данного алгоритма можно рассмотреть задачу генерации рукописных цифр. ''CGAN'' был натренирован на датасете ''MNIST'' с метками классов представленных в виде ''one-hot'' векторов.
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 (деконволюцией). 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 сгенерированным или нет.[[File:CGAN_generatedCGAN_gen_disc.png|450px|thumb|right|Цифры, сгенерированные с помощью Генерация при использовании CGAN. Источник: https://arxiv.org/pdf/1411.1784.pdf]]
[[File:CGAN_gen_discCGAN_generated.png|450px|thumb|right|Генерация при использовании Цифры, сгенерированные с помощью CGAN. Источник: https://arxiv.org/pdf/1411.1784.pdf]]
==DCGAN (Deep Convolutional Generative Adversarial Nets)==
