چکیده مقاله
شبکه های مولد تخاصمی GANs از زمان معرفی در سال ۲۰۱۴ تحول بزرگی در حوزه مدل سازی مولد ایجاد کرده اند و از آن ها به طور گسترده در وظایف تک دامنه ای مانند سنتز تصاویر و افزایش وضوح تصاویر استفاده شده است با این حال، محدودیت های قابل توجهی در کاربرد GANها در زمینه های چنددامنه ای وجود دارد برای غلبه بر این محدودیت ها، شبکه های مولد تخاصمی چنددامنه ای Cross Domain GANs معرفی شده اند که قادرند داده ها را از یک دامنه به دامنه دیگر تبدیل کنند این مقاله به بررسی تکنیک ها و کاربردهای Cross Domain GANs پرداخته و نقش آن ها در بهبود یادگیری انتقالی میان دامنه های مختلف را بررسی می کند همچنین به چالش های مرتبط با این مدل ها مانند فروپاشی مد و عدم پایداری در آموزش اشاره شده و راهکارهای مقابله با آن ها معرفی می شود نتایج نشان می دهند که استفاده از این مدل ها می تواند توانایی یادگیری انتقالی را به طور قابل توجهی بهبود بخشد و امکان انتقال دانش میان دامنه های مختلف را فراهم کند
کلیدواژهها
نویسندگان
حسین ممیز
۱ کارشناسی ارشد هوش مصنوعی و رباتیکز، دانشگاه آزاد اسلامی واحد الکترونیکی، تهران، ایران
شیوه ارجاع
ممیز، حسین،1403،GANهای بین دامنه ای برای بهبود یادگیری انتقالی: مروری جامع بر تکنیک ها و کاربردها،بیست و سومین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک،شیروان
ارائهشده در
مجموعه مقالات بیست و چهارمین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک18 دی 1403 · شیروان