Ключевые отличия генеративно-состязательных сетей (GAN) от других моделей машинного обучения заключаются в их архитектуре и процессе обучения: 12

• Архитектура. 1 GAN состоят из двух нейронных сетей: генератора и дискриминатора, которые обучаются одновременно в процессе состязательного обучения. 1 Цель генератора — создавать данные, неотличимые от реальных данных, а роль дискриминатора — различать реальные и сгенерированные данные. 1
• Процесс обучения. 2 В то время как дискриминативные модели используются для контролируемого обучения, GAN обычно используют неразмеченный набор данных, то есть могут рассматриваться как форма обучения без учителя. 2
• Результат обучения. 2 В отличие от дискриминативных моделей, генеративные модели изучают свойства функции вероятности входных данных и порождают не предсказание, а новый объект со свойствами, родственными обучающему набору данных. 2