GAN

Generative Adversarial Networks (GANs) bestaan uit twee netwerken die tegenstrijdig leren: generator maakt fake data, discriminator onderscheidt echt van fake. Dit minimax game leidt tot steeds beter generatie.

Generator start met random noise en genereert data. Discriminator traineren om fake van echt onderscheid. Beide verbeteren iteratief. Als optimaal bereikt, is discriminator verward (50% nauwkeurig) en genereert generator realistische data.

GANs zijn zeer krachtig voor generatie: afbeelding-synthese, face-generatie, stijl-transfer. Ze kunnen ook semi-supervised learning doen. Training is notoir instabil. Variaties als Wasserstein GAN, Spectral Normalization helpen stabiliteit.