Generativ rəqib şəbəkələrdə öyrənmə alqoritmlərinin analizi ilə bağlı tədqiqatlar aparılır 2021-05-02 14:09:00 / KONFRANSLAR

AMEA İnformasiya Texnologiyaları İnstitutunda 2 saylı şöbənin “Generativ rəqib şəbəkələrdə öyrənmə alqoritmlərinin analizi” mövzusuna həsr edilmiş onlayn elmi seminarı keçirildi.

Məruzəni təqdim edən institutun əməkdaşı Firəngiz Sadıyeva generativ rəqib şəbəkələr (ing. Generative Adversial Network, GAN) və onların öyrədilməsində meydana çıxan problemlər barədə məlumat verdi. O qeyd etdi ki, generativ rəqib şəbəkələrin rejimin pozulması, öyrənmənin dayanıqlı olmaması və keyfiyyətli metrikaların yoxluğu kimi üç əsas problemi mövcuddur.

F.Sadıyeva generativ rəqib şəbəkələrin bir sıra variantları (VanillaGAN, WassersteinGAN, DCGAN, InfoGAN, şərti GAN, f-GAN və GAN Laplas piramidası) və onlarda istifadə edilən məqsəd funksiyaları haqqında danışdı.

O, generativ rəqib şəbəkələrin müxtəlif şəkillərin generasiyasında özlərini daha yaxşı cəhətdən göstərdiklərini qeyd etdi. Bildirdi ki, rejimin pozulması (ing. mode colllapse) zamanı həmin şəbəkə nəzərdə tutulmuş bütün obyekt şəkillərini deyil, az sayda şəkilləri generasiya etməyə başlayır. Tədqiqatçı, həmçinin bu problemin həlli üçün təklif edilmiş AdaGAN, VEEGAN və Wasserstein GAN arxitekturalarının əsas xarakteristikalarını təqdim etdi.

Sonra məruzəçi generativ rəqib şəbəkələrin tətbiqləri, öyrənmənin yaxşılaşdırılması üçün həllər, GAN təlim və testlərində istifadə edilən datasetlər və GAN keyfiyyətinin qiymətləndirilməsi metrikalarını diqqətə çatdırdı. Ədəbiyyatda 30-a yaxın metrikanın təklif edilməsinə baxmayaraq, onlardan yalnız Google Inseption dərin neyron şəbəkəsinə əsaslanan iki metrikanın – Inseption Score və Freşe Inseption məsafəsinin şəkillərin generasiyasında məqbul nəticələr verdiyini vurğuladı. Qeyd etdi ki, bu metrikalar da şəkillərin formatına və ölçülərinə ciddi məhdudiyyətlər qoyur.

Şöbə müdiri, texnika üzrə fəlsəfə doktoru, dosent Yadigar İmamverdiyev generativ rəqib şəbəkələrin informasiya təhlükəsizliyi sahəsində tətbiqləri üzrə tədqiqatların dərinləşdirilməsini, mövzu ətrafında yeni istiqamətlərin araşdırılmasını tövsiyə etdi, bir sıra təkliflər səsləndirdi.

Məruzə ətrafında müzakirələr aparıldı, suallar cavablandırıldı.

    Copyright © AMEA İnformasiya Texnologiyaları İnstitutu, 2020