Прикладное машинное обучение и глубинное обучение
Открытые вопросы в генеративных порождающих сетях
В этот раз мы попробуем кое-что новое: вместо того, чтобы обсуждать очередную статью о GAN-ах я подниму ряд октрытых проблем, статьи о которых хотелось бы видеть в научном сообществе.
Также обещаю небольшое введение в современные GAN-ы на разогрев.
1) Каковы компромиссы между GAN-ами и другими порождающими моделями?
2) Какие типы распределений могут моделировать GAN-ы?
3) Как мы можем масштабировать GAN-ы помимо синтеза изображений?
4) Что можно сказать о глобальной сходимости динамики обучения?
5) Как мы должны оценивать GAN-ы и когда мы должны их использовать?
6) Как обучение GAN-ов масштабируется отностительно размера батча?
7) Какова связь между GAN-ами и состязательными примерами?
Докладчик: Рауф Курбанов.
Язык доклада: английский.
Дата и время: 17-е апреля, 18:30-20:00.
Место: Таймс, аудитория 204.
Видео с предыдущих семинаров доступно по ссылке: http://bit.ly/MLJBSeminars