Generative adversarial networks. Structural-parametric synthesis of the Bigan generative adversarial network

Abstract

This bachelor's thesis is devoted to the construction of an intelligent image generation system based on the use of generative-adversarial networks of marginal equilibrium. The paper analyzes scientific works devoted to the development and application of generative- adversarial neural networks. The advantages of generative-adversarial networks of marginal equilibrium are substantiated. The topology of the components of the generative-adversarial neural network, namely the generator and the discriminator, is developed, expressions for the metrics corresponding to the generator and the discriminator are given. A machine learning algorithm for generative-adversarial networks of marginal equilibrium is developed. The choice of the training sample is justified - the Fashion MNIST dataset is a standard dataset for computer vision tasks. A computer program is developed and positive results are obtained. Ця бакалаврська дисертація присвячена побудові інтелектуальної системи генерації зображень на основі використання генеративно-змагальних мереж граничної рівноваги. У статті проаналізовано наукові праці, присвячені розробці та застосуванню генеративно-змагальних нейронних мереж. Обґрунтовано переваги генеративно-змагальних мереж граничної рівноваги. Розроблено топологію компонентів генеративно-змагальної нейронної мережі, а саме генератора та дискримінатора, наведено вирази для метрик, що відповідають генератору та дискримінатору. Розроблено алгоритм машинного навчання для генеративно-змагальних мереж граничної рівноваги. Обґрунтовано вибір навчальної вибірки - набір даних FashionMNIST є стандартним набором даних для задач комп'ютерного зору. Розроблено комп'ютерну програму та отримано позитивні результати.